專利名稱：編碼數(shù)字圖像的像素或體素的方法及處理數(shù)字圖像的方法
技術(shù)領(lǐng)域：
編碼數(shù)字或數(shù)字化圖像的像素或體素的方法以及處理數(shù)字或數(shù)字化圖 像的方法，具體地，識別應(yīng)用所述編碼像素或體素的方法的成像目標(biāo)的特 征。
本發(fā)明涉及一種對數(shù)字或數(shù)字化的二維或三維圖像的像素或體素進(jìn)行
編碼的方法，其包括如下步驟
a) 提供以二維像素陣列或三維體素陣列構(gòu)成的數(shù)字圖像，通過至少 一個變量，如灰度圖像中的亮度(intensity)或彩色圖像中的HSV (色度、 飽和度以及純度)或RGB值來定義各個像素或體素；
b) 將所述圖像的各個像素或體素作為目標(biāo)像素或體素，并且，對于 每個目標(biāo)像素或體素，通過包含所述目標(biāo)像素或體素以及一定量的周圍像 素或體素的〗象素或體素窗口形成鄰域(neighborhood);
c) 對于每個目標(biāo)像素或體素，生成與所述目標(biāo)像素或體素單義 (imivocally)相關(guān)的向量，所述向量的分量被生成為所述目標(biāo)像素或體素
以及所述像素或體素窗口的每一個或一部分像素或體素的值的函數(shù)。
背景技術(shù)：
數(shù)字或數(shù)字化圖像是在顯示器屏幕或打印拷貝上的具有一定外觀 (appearance)的小的二維或三維點的形式。
通過所述點的陣列形成各個數(shù)字或數(shù)字化圖像，所述點在二維圖像中 稱為像素，在三維圖像中稱為體素。
可以通過物理變量來描述各個像素或體素的外觀，所述物理變量是在 通過顯示屏幕或者當(dāng)印刷在紙上時的某一視覺效果中變換得到的值。
在黑白圖像中，諸如灰度圖像，不同灰度級單義地與由成像實體的一 部分反射或生成的束的亮度值相關(guān)，其中對所述成像實體獲取了數(shù)字或數(shù) 字化圖像的像素。各個不同灰度級的亮度單義地與由所述成像實體反射或 發(fā)射的束的物理參數(shù)相關(guān)，特別地與其亮度有關(guān)。所述束的物理類型可以 是任何種類，諸如任何光譜場中的電磁輻射或者可由成像材料生成或反射 或散射的聲輻射或其它類型的束。
在彩色圖像中，通常使用三種不同的值單義地定義像素的外觀。已知
不同的系統(tǒng)，例如，所謂的HSV (色度、飽和度、純度)或RGB (紅、 綠、藍(lán))系統(tǒng)。這些系統(tǒng)是等效的，并且能夠被不同地用于通過值單義地 描述所述像素或體素的外觀。
因此，定義數(shù)字或數(shù)字化圖像的像素或體素陣列能夠通過單義地數(shù)值 地表示所述圖像的數(shù)值的二維或三維矩陣來表示。
以向量的形式對二維或三維圖像的像素或體素進(jìn)行編碼的方法已為我 們所熟知并且使用所述二維或三維數(shù)值表示。
文獻(xiàn)EP 1,345,154公開了 一種對數(shù)字或數(shù)字化圖像的像素或體素進(jìn)行 編碼的方法，其中所述圖像利用表示所述數(shù)字或數(shù)字化圖像的像素或體素 的所述數(shù)值矩陣，生成用于表示所述圖像的各個像素或體素的向量。
在該文獻(xiàn)中，對于被當(dāng)作將被編碼的目標(biāo)像素或體素的所述數(shù)字圖像 的每個像素或體素，定義所述目標(biāo)像素或體素的某一周圍環(huán)境，該環(huán)境包 括了 一定數(shù)量的像素或體素，其中包含所述目標(biāo)像素或體素以及所述目標(biāo) 像素或體素周圍的一些像素或體素。這個窗口是像素或體素的子陣列并且 通過單義地表示所述數(shù)字圖像的所述像素或體素的數(shù)值矩陣的對應(yīng)子矩陣 來表示。
所述向量包括作為其分量的描述所述窗口的目標(biāo)〗象素或體素以及周圍 像素或體素的數(shù)值。
所以例如考慮灰度圖像，其中表示圖像的各個像素的值為其亮度并定 義了與具有3x3像素的像素子陣列或具有3x3x3體素的體素子陣列相對應(yīng) 的窗口，所述向量分別包括9或27個分量?？紤]彩色圖〗象，所述向量至少
具有三個用于描述每個像素或體素的值，于是所迷向量的數(shù)值分量對于二
維圖像是3x3x3=27個分量而對于三維圖像是3x3x3x3=81個分量。 當(dāng)使用更大的像素或體素窗口時，所述分量的個數(shù)急劇地增加。 現(xiàn)在考慮固定的圖像區(qū)域，所述數(shù)字圖像的分辨率由每圖像區(qū)域的像
素或體素的數(shù)量給出。所以通過提高分辨率，某個圖像包括更多的像素。 因而利用所述編碼方法，例如數(shù)字化處理所述圖像的編碼方法，必須
處理大量的數(shù)值數(shù)據(jù)，以致需要高計算能力以及長計算時間。
在任何情況下，所述已知方法都能夠給出令人驚嘆的結(jié)果，具體地，
例如在圖像增強或圖像模式識別領(lǐng)域中。上述編碼方法基于這樣的思想，
即，圖像的各個像素或體素的含義，其關(guān)于由所述像素或體素表示的成像
實體的一部分的特性或特征，主要取決于所述像素或體素的數(shù)值數(shù)據(jù)與周
圍4象素或體素的數(shù)值數(shù)據(jù)之間的空間關(guān)系。
在數(shù)字圖像處理領(lǐng)域中，該原理已經(jīng)被用于獲得幾種不同的結(jié)果。 例如，我們已知，將表示包括了圖像的目標(biāo)像素或目標(biāo)體素的目標(biāo)像
素或體素窗口的數(shù)值數(shù)據(jù)矩陣的特征值用于以某種方式表示所述目標(biāo)像素
或體素或所述目標(biāo)像素或體素相對于所述窗口的其他像素或體素的某種關(guān)系。
此外，在所謂的圖t^莫式識別方法中， 一些圖像處理器已經(jīng)被開發(fā)用
于識別數(shù)字圖像中的邊緣或角。
如以上所概括的，這些處理器典型地通過，將數(shù)字圖像的各個像素或 體素定義為目標(biāo)^^素或體素，進(jìn)一步定義一般大小nxm (典型地n-m)的 像素或體素窗口來工作，其中所述窗口包括所述目標(biāo)像素或體素以及一些 周圍的像素或體素，以及通過應(yīng)用表示各個像素或體素窗口的數(shù)值矩陣的 某種變換來工作。
文獻(xiàn)"Neural Network for robot image feature classification, A comparative study" NEURAL NETWORK FOR SIGNAL PROCESSING Y1994 IV Proceedings of the 1994 IEEE Workshop Ermioni Greece 6-8 sept. 1994， New York, NY， USA, IEEE by Sharma V.R. Madiraju et al,公
開了一種特征提取器，其被訓(xùn)練用于識別特征，諸如圖像中的直線、曲線、 連接點或其他的幾何形狀。
所述特征提取器以一定量的特征模型為基礎(chǔ)，所述模型被這樣生成以 致包括了對于各種邊緣類型的每一種的模型。這符合所述技術(shù)的目的，即 必須j吏機器人能夠識別形狀和成〗象目標(biāo)。I
所述模型是以作為數(shù)字圖像所關(guān)心的像素的中心像素為中心的3x3像 素窗口。為了以旋轉(zhuǎn)不變的方式描述所述特征，使用了這樣的特征描述符， 即與所述3x3像素窗口對應(yīng)的協(xié)方差矩陣的特征空間。
正如其清楚地顯示的，這種模型是一種濾波器，其目的在于通過確定 圖像的像素是否為存在于所述圖像中的幾何結(jié)構(gòu)的一部分來識別該幾何結(jié) 構(gòu)。被如此識別的幾何結(jié)構(gòu)可以被用于通過在所述圖像中已識別的形狀來 識別所述成4象目標(biāo)。通過利用人工神經(jīng)網(wǎng)絡(luò)來作出4象素是否為諸如邊緣、 角、曲線或類似的幾何結(jié)構(gòu)或形狀的一部分的判定。受限于所述像素是邊 緣的一部分、角的或直線的或曲線的或其他幾何結(jié)構(gòu)的一部分的事實，由 所述神經(jīng)網(wǎng)絡(luò)給出的結(jié)果僅僅是所述像素的所述特征。沒有獲得與由圖像 中的像素表示的真實成像目標(biāo)的所述部分的特征或特性相關(guān)的信息。根據(jù) 上述文獻(xiàn)的處理受限于僅僅"圖示的(pictorial)"特征。
所以，例如這些方法對于邊,測的應(yīng)用^f吏用了在如下描述中的更詳 細(xì)地定義的所謂梯度矩陣。所述梯度矩陣的使用已有Introductory techniques for 3-D Computer Vision, E. Trucco and A. Verri, Prentice Hall， 1998的例子。
另一種^L稱為Hessian矩陣的處理器，其對應(yīng)于描述所述像素或體素 窗口的原始數(shù)值數(shù)據(jù)矩陣的二階微分，通過其特征值描述，被用作例如增 強圖像細(xì)節(jié)的顯著特征的圖像處理器(Jiri Hladuvka, Andreas K6nig, and Eduard Gr611er. Exploiting Eigenvalues of the Hessian Matrix for Volume Decimation. In Vaclav Skala, editor, 9 International Conference in Central Europe on Computer Graphics, Visualization, and Computer Vision (WSCG2001) ， Pages 124-129, 2001)。
在EP 1345154中公開的圖像處理方法，由于對圖4象像素進(jìn)行編碼的特 殊方式，能夠提供由所述圖像中的像素表示的成像目標(biāo)的一部分的特征的 分類，不同于這種方法，所述邊漆險測方法，將其功能限制于與某幾何結(jié) 構(gòu)有關(guān)的圖像的像素的分類，其中在所述圖像中所述像素屬于該幾何結(jié)構(gòu) 或者表示它。因而考慮所述邊^(qū)^r測方法以及類似的方法，為了具有與由 所述圖像中的所述像素表示的成像真實目標(biāo)的一部分的特性或特征相關(guān)的 信息或預(yù)測，這些不能或不會專注于對圖像像素進(jìn)行分類。對于涉及窗口 像素的參數(shù)的矩陣，其協(xié)方差矩陣的特征值或其他函數(shù)的其他參數(shù)的使用， 僅描述了所述像素所屬的幾何結(jié)構(gòu)的某種模型?？紤]替代文獻(xiàn)EP1345154 中所公開的方法，清楚地顯示了，目的在于，通過處理對表示真實目標(biāo)的 圖像的像素的外觀進(jìn)行描述的參數(shù)，來獲得關(guān)于所述真實目標(biāo)的一部分的 特性或特征的信息，其中該部分由所述真實目標(biāo)圖^象中的某一像素表示。 當(dāng)前的邊,測技術(shù)不解決該技術(shù)問題，這些方法所用的模型甚至也被懷 疑能夠幫助執(zhí)行上述分類任務(wù)。
在可對角化(2D)矩陣的情況下，所述特征值是所述矩陣及其屬性的 代表(representative)。例如，秩，其作為(2D)矩陣最重要的屬性之一， 可以通過特征值來表征事實上，對于可對角化(2D)矩陣，非零特征值 的個數(shù)等于其秩。
梯度和Hessian矩陣，特別地，為可對角化(2D)矩陣，然后我們能 夠利用其特征值來描述其特征。
一般而言，這對于其他(2D)矩陣并不成立。通過本發(fā)明，我們能夠 通過考慮所述(2D )矩陣的奇異值來克服這個問題(D. Bini, M. Capovani， O. Menchi "Metodi numerici per l，algebra lineare"， Zanichelli)。事實上， 奇異值是所述(2D)矩陣的代表，即使所述矩陣不是可對角化的。例如， 對于每個(2D)矩陣，非零奇異值的個數(shù)等于秩。
對于3D矩陣，存在廣義性事實上，對于一般的MxNxK3D矩陣， 能夠找到表征所述矩陣的N+M+K個廣義奇異值(A multilinear singular value decomposition, Lieven De Lathauwer， Bart De Moor, JoosVandewalle, SIAM Journal on Matrix Analysis and Applications Volume 21, Number 4 pp. 1253-1278)。
其他處理方法被用于處理圖像數(shù)據(jù)，其中，讓我們回顧諸如小波變換， 自相關(guān)變換以及共生矩陣變換的方法。
小波變換典型地被用于圖像壓縮。對于小波變換更精確的描述請參看 附錄l。
所述小波變換允許通過一組基函數(shù)來表示圖像數(shù)據(jù)陣列。所述基函數(shù) 的子集的使用使得能夠減少與相關(guān)圖像信息有關(guān)的;^L因而能夠獲得圖 像數(shù)據(jù)的壓縮而沒有顯著特征的嚴(yán)重?fù)p失。
典型地在具有維度2Anx2An的窗口上計算所述小波變換；能夠以所述 窗口邊緣的信息損失為代價計算任意大小窗口的小波變換。為了通過小波 變換表征單個像素，我們能夠圍繞所述目標(biāo)〗象素構(gòu)建4個窗口，這4個窗 口分別在左下角、右下角、左上角、右上角具有所述目標(biāo)像素，并且每個 窗口具有維度2Anx2An。因而我們能夠利用這四個數(shù)值矩陣的小波變換的 系數(shù)中的一個或多個來編碼所述目標(biāo)4象素。
圖像數(shù)據(jù)的自相關(guān)和共生變換提供了所述圖像玟理信息的一組相當(dāng)重 要的參數(shù)。
然而，所有已知編碼方法受限于如下事實，即，總是僅僅通過利用由 包括將被編碼的目標(biāo)像素或體素的像素或體素窗口定義的鄰域的像素或體 素的數(shù)值對所述像素或體素編碼。

發(fā)明內(nèi)容
本發(fā)明致力于提供這樣的方法，其根據(jù)上述步驟對數(shù)字或數(shù)字化的二 維或三維圖像的像素或體素進(jìn)行編碼并提供較少的單義地表示具體用于數(shù) 字圖像處理的目標(biāo)像素或體素的數(shù)值數(shù)據(jù)，并且特別地，提供自動識別由 所述目標(biāo)像素或體素表示的成像目標(biāo)的一部分的特性或特征的方法。
根據(jù)本發(fā)明，通過對數(shù)字或數(shù)字化的二維或三維圖像的像素或體素進(jìn) 行編碼的方法達(dá)到以上目的，其包括如下步驟
a) 提供以二維像素陣列或三維體素陣列構(gòu)成的數(shù)字圖像，通過至少 一個變量，如AJL圖像中的亮度或彩色圖像中的HSV (色度、飽和度及純 度)或RGB值來定義各個像素或體素；
b) 將所述圖像的各個像素或體素作為目標(biāo)像素或體素，并且，對于 每個目標(biāo)像素或體素，通過包含所述目標(biāo)像素或體素以及一定數(shù)目的周圍
像素或體素的像素或體素窗口形成鄰域；
c) 對于每個目標(biāo)像素或體素，生成與所述目標(biāo)^^素或體素單義相關(guān) 的向量，所述向量的分量被生成為所述目標(biāo)像素或體素以及所述像素或體 素窗口的每一個或一部分像素或體素的值的函數(shù)；在開頭已經(jīng)描述了所述 方法，并且在該方法中，所述目標(biāo)像素或體素以及所述像素或體素窗口的 各個像素或體素的值的函數(shù)，對應(yīng)于表示所述窗口的像素或體素的數(shù)值矩 陣或該數(shù)值矩陣的變換的特征^L
如上所已經(jīng)強調(diào)的，本方法不受限于或?qū)Ｗ⒂?，確定所述圖^(象的^f象素 是否屬于在一系列預(yù)先配置的不同幾何結(jié)構(gòu)的模型之中的某種預(yù)定的幾何 結(jié)構(gòu)，但其專注于，對于表示圖像中的真實成像目標(biāo)的至少一部分的像素，
通過對描述其外觀的參數(shù)進(jìn)行處理，獲得與所述真實成像目標(biāo)的至少所述 部分的某個特征或特性相關(guān)的信息。根據(jù)本發(fā)明，以更加廣泛的方式通過 所述處理方法分析圖4象像素之間的拓樸關(guān)系，并且，令人驚奇地，對于單 義地定義了像素外觀并且還考慮了 一定周圍的像素的關(guān)系的參數(shù)，其數(shù)值 表示和拓樸信息能夠提供起始數(shù)據(jù)，從該數(shù)據(jù)并非預(yù)測所述圖像的特性或 特征而是預(yù)測正被成像的真實目標(biāo)的一部分的特性或特征。所述圖像處理 方法深深地不同于當(dāng)前已知的圖像處理方法，由于其目的在于利用圖像中 的真實世界的表示來對其進(jìn)行說明，而不在于僅僅識別圖像目標(biāo)的形狀。
在本說明書中以及在權(quán)利要求中，術(shù)語編碼(coding或encoding)具 有利用標(biāo)量參數(shù)的n-維空間數(shù)值地表示圖像中像素的外觀的含義，通過所 述標(biāo)量參數(shù)單義地描述各個像素并與所述圖像中的其他像素區(qū)分。
當(dāng)參照一般的矩陣時，許多種特征參數(shù)能夠被可選地或組合地使用。 第一組可能的參數(shù)由包括了所選窗口的像素或體素的圖像數(shù)據(jù)的數(shù)值
矩陣的奇異值形成。
可選地或組合地，所述目標(biāo)像素或體素以及所述像素或體素窗口的各 個像素或體素的值的函數(shù)，對應(yīng)于表示所述窗口的像素或體素的所述數(shù)值 矩陣的梯度矩陣的特征值。
可選地或組合地，所述目標(biāo)像素或體素以及所述像素或體素窗口的各 個像素或體素的值的函數(shù)，對應(yīng)于表示所述窗口的像素或體素的所述數(shù)值
矩陣的Hessian矩陣的特征值。
作為進(jìn)一步的選項，能夠可選地或組合地提供以上公開的選項，所述 目標(biāo)像素或體素以及所述像素或體素窗口的各個像素或體素的值的函數(shù)， 對應(yīng)于表示所述窗口的像素或體素的所述數(shù)值矩陣的小波變換的一個或多 個系數(shù)。
在這種情況下，能夠可選地或組合地選擇使用幾種小波基函數(shù)。 在附錄l中給出了所述小波變換的更詳細(xì)的描述。該附錄包括可從因 特網(wǎng)獲得的并且由Duke大學(xué)的Brani Vidakovic和Peter Mueller所著的 標(biāo)題為"Wavelet for Kids, A tutorial introduction"的>5^開文獻(xiàn)。在該文獻(xiàn) 中概括并討論了小波的理論，并且公開了其對于圖像處理的一些應(yīng)用。如 公開了圖像處理中的小波這個章節(jié)所顯示的，進(jìn)行小波分解允許獲得WL 對于所述分解的每一層級，小波變換生成一個表示平均的矩陣和三個表示 所謂細(xì)節(jié)的矩陣。從上述矩陣中的一個或多個，通過例如但不僅僅對所述 矩陣元素的取平均，或第二個舉例即通過取得所述矩陣的奇異值，能夠提 取一些參數(shù)。所有這些參數(shù)或其中一些能夠被用于形成向量的分量，所述 向量用于按照目標(biāo)像素或體素與被包括在所選窗口中的周圍像素或體素的 關(guān)系來表示各個像素或體素。
此外，可選地或組合地，所述目標(biāo)像素或體素以及所述4象素或體素窗 口的各個像素或體素的值的函數(shù)，對應(yīng)于表示所述窗口的像素或體素的所 述數(shù)值矩陣的自相關(guān)變換的一個或多個系數(shù)。
圖像處理中的自相關(guān)典型地被用作為表征圖像統(tǒng)理的工具并由兩個圖 像的數(shù)學(xué)估計組成。能夠在不同時刻獲取所述兩個圖像，或能夠通過在空
間上移動第一個圖像并將結(jié)果作為笫二個圖像來生成。所述自相關(guān)確定了 這兩個圖像之間的關(guān)系。該數(shù)學(xué)估計提供了減少在編碼所述目標(biāo)像素或體 素中應(yīng)考慮的參數(shù)數(shù)目的可能性。
此外，可選地或組合地，所述目標(biāo)像素或體素以及所述像素或體素窗 口的各個像素或體素的值的函數(shù)，對應(yīng)于表示所述窗口的像素或體素的所 述數(shù)值矩陣的共生矩陣(或其奇異值)。
對于由固定空間關(guān)系分離的一對像素，所述共生矩陣是灰度級的二維 直方圖。該矩陣近似于一對像素的聯(lián)合概率分布。典型地將其用于計算紋 理測度，比如對比度和熵。
在以上情況的任何一種中，如果考慮與上述已知編碼方法具有相同數(shù) 量的像素或體素的像素或體素窗口 ，則用于編碼各個目標(biāo)像素或目標(biāo)體素 的向量具有減少的分量個數(shù)，其中上述已知編碼方法將描述4皮包括在所選 窗口中的各個像素或體素的數(shù)值作為所述向量的參數(shù)。
在這種情況下，可能的并有利的是，通過表示窗口的像素或體素的數(shù) 值的矩陣的特征值或奇異值，和/或表示所述窗口的像素或體素的所述數(shù)值
矩陣的梯度矩陣或Hessian矩陣的特征值，和/或小波變換的一個或多個系 數(shù)和/或自相關(guān)變換的一個或多個系數(shù)，和/或共生矩陣一個或多個表列值 (entry)或奇異值的組合，對各個^^素或體素編碼。
通過由簡單地表示各個像素或體素的外觀的值組成的原始數(shù)值矩陣的 所述不同變換的所述奇異值和/或特征值，和/或通過小波變換的一個或多個 系數(shù)，和/或自相關(guān)變換的一個或多個系數(shù)，和/或共生矩陣的一個或多個表 列值或奇異值，來概括描述各個目標(biāo)像素或體素以及由選定的像素或體素 窗口定義的所選鄰域的像素或體素的數(shù)值之間的關(guān)系，并且在各個向量中， 該關(guān)系由不同的^t值所定義，其中所述數(shù)值特別適合于強調(diào)在所選窗口內(nèi) 的圖像像素或體素之間的某種關(guān)系或?qū)Υ岁P(guān)系敏感。
作為進(jìn)一步的改進(jìn)，表示所述圖像的像素或體素的矩陣的數(shù)值數(shù)據(jù)在 編碼之前能夠受到一個或多個預(yù)處理步驟的處理，在本說明書中能夠?qū)⑺?述步驟定義為預(yù)處理(濾波)步驟。
例如，能夠執(zhí)行預(yù)處理步驟以增強對比度，或者其他已知的圖像預(yù)處 理步驟能夠被可選地或組合地使用。
在進(jìn)行根據(jù)本發(fā)明的編碼之前，能夠在數(shù)字圖像上進(jìn)行相對復(fù)雜或高 度演化的預(yù)處理步驟。
這些預(yù)處理方法中的一個包括如US 5，140，670中所描述的圖l象處理以 及利用所謂的CNN細(xì)胞神經(jīng)網(wǎng)絡(luò)。在文獻(xiàn)WO2005/020132中描述了一種 可選的預(yù)處理方法并將其稱為ACM。
在這兩種情況下，所述圖像數(shù)據(jù)，即，代表所述圖像的像素或體素陣 列的每一個像素或體素外觀的數(shù)值陣列，都被設(shè)置為相當(dāng)于神經(jīng)網(wǎng)絡(luò)的結(jié) 點，并且通過應(yīng)用掃描所述神經(jīng)網(wǎng)絡(luò)的結(jié)點的算子或通過簡單地讓所述網(wǎng) 絡(luò)演化來處理所述圖像數(shù)據(jù)。
在第一種情況下，典型地使用所謂的網(wǎng)絡(luò)，并且定義了一個接一個掃 描所述網(wǎng)絡(luò)的單個結(jié)點的算子。
在第二種情況下，為所述網(wǎng)絡(luò)定義了學(xué)習(xí)函數(shù)和/或啟動函數(shù)，其改變 所述結(jié)點的內(nèi)部狀態(tài)并因而改變其值或連接權(quán)重，并且所述結(jié)點的內(nèi)部值 或所述連接4又重,皮用于修改所述圖像數(shù)據(jù)。
為了設(shè)法對所述圖像數(shù)據(jù)進(jìn)行濾波，以諸如減少或抑制噪聲影響的方 式和/或增強對比度或圖像數(shù)據(jù)的其他特征的方式進(jìn)行這種預(yù)處理。
這種預(yù)處理還對所述圖像的像素或體素外觀進(jìn)行監(jiān)督的修改，并且在 某種程度上增強^^素或體素外觀與由所述像素或體素表示的目標(biāo)之間的某 些關(guān)系。因而，在經(jīng)過預(yù)處理的圖像中表示相關(guān)特征或成像目標(biāo)的圖像的 某些部分是更好識別的，從而使得，當(dāng)與用于自動識別所述成像目標(biāo)的特 性(quality)的預(yù)測算法結(jié)合應(yīng)用本編碼方法時，其有助于所述圖像數(shù)據(jù) 的進(jìn)一步的分類處理，其中在所述預(yù)測算法中輸入數(shù)據(jù)包括4艮據(jù)本發(fā)明的 方法編碼的圖像的像素或體素。
本發(fā)明還涉及處理數(shù)字或數(shù)字化圖像的方法，其包括如下步驟
a) 提供已知目標(biāo)的一組數(shù)字圖像，所述數(shù)字圖像包括二維像素陣列 或三維體素陣列，通過至少一個變量，如灰度圖像中的亮度或彩色圖像中的HSV (色度，飽和度和純度)或RGB值來定義各個像素或體素，所述 數(shù)字圖像的各個像素或體素是所述成像目標(biāo)的對應(yīng)區(qū)域或部分的表示，其 中已知所述成像目標(biāo)的所關(guān)心的特性或特征，并且所述已知特性或特征與 所述數(shù)字圖像的對應(yīng)像素或體素單義地相關(guān)。
b) 根據(jù)以上公開的本發(fā)明的方法的可能變型之一，對所述數(shù)字圖像 的各個像素或體素或所述數(shù)字圖像的像素或體素的子集的各個像素或體素 進(jìn)行編碼，并且，將所述圖像的像素或體素與其對應(yīng)并且由向量表示其體 素或像素的成像目標(biāo)的區(qū)域或部分的已知的特性或特征與所述向量單義地 相關(guān)。
c) 提供一種諸如神經(jīng)網(wǎng)絡(luò)的預(yù)測算法；
d) 通過將與已知目標(biāo)的所述圖像的各個像素或體素單義地相關(guān)的 向量用作輸入數(shù)據(jù)，并且通過將所述圖^^的像素或體素與其對應(yīng)且所述向 量的每一個與其單義地相關(guān)的成像目標(biāo)的區(qū)域或部分的已知特性或特征用 作輸出數(shù)據(jù)，來進(jìn)^f亍所述預(yù)測算法的訓(xùn)練和測試；
e) 提供目標(biāo)的數(shù)字圖像，所述數(shù)字圖像包括二維像素陣列或三維體 素陣列，通過至少一個變量，如灰度圖像中的亮度或彩色圖像中的HSV(色 度、飽和度和純度)或RGB值來定義各個像素或體素，所述數(shù)字圖像的
的表示；
f) 根據(jù)以上公開的本發(fā)明的方法的可能變型之一，對所述數(shù)字圖像 的各個像素或體素或所述數(shù)字圖像的像素或體素的子集的各個像素或體素
進(jìn)行編碼，對于每個已編碼的像素或體素獲得與所述像素或體素單義地相
關(guān)的向量；
g) 在所述預(yù)測算法已經(jīng)被訓(xùn)練和測試之后，對于所述數(shù)字圖像的每 一個或部分^f象素或體素，將對應(yīng)向量的分量用作為所述預(yù)測算法的輸入數(shù) 據(jù)；
h) 通過所述預(yù)測算法的輸出響應(yīng)，確定與已經(jīng)通過所述向量單義地
編媽
:》
征，其中已經(jīng)將所述向量的分量作為輸入提供給所述預(yù)測算法(見圖9)。 具體地，眾所周知的人工神經(jīng)網(wǎng)絡(luò)是有效的算法。為了更深入的理解 這些算法，可參見HAYKIN S.， "Neural Networks: A Comprehensive Foundation," Prentice Hall, Upper Saddle River, NJ, 1999。食b夠可選地或 組合地使用其他預(yù)測算法，并且與各個像素或體素對應(yīng)的成像目標(biāo)的區(qū)域 或部分的特性或特征能夠作為所述不同種類的預(yù)測算法的輸出的結(jié)合來確 定。
正如以上所清楚地顯示的，根據(jù)本發(fā)明的編碼方法提供更少的用于描 述數(shù)字圖像中的像素或體素外觀的相關(guān)特征的相關(guān)數(shù)據(jù)。
如果考慮圖像處理，這是巨大的優(yōu)勢，特別是在圖像才莫式識別領(lǐng)域或 在對成像實體的區(qū)域或部分的特性或特征進(jìn)行自動識別的領(lǐng)域中。
在所謂的CAD (計算機輔助診斷)領(lǐng)域中這種圖像處理是有重要意義 的。在這種情況下，圖像能夠可以是任何一種診斷圖像，例如核磁共振圖 像、超聲波圖像、X射線圖像、CT圖像等。
如果所述圖像為模擬圖像，則需要對所述圖像進(jìn)行數(shù)字采樣的步驟， 利用已知的方法和設(shè)備執(zhí)行所述步驟是簡單的。
在這種情況下，由所述診斷圖像中的像素或體素表示的圖像實體的區(qū) 域或部分的特性或特征，能夠包括像素所表示的，諸如例如健康組織，惡 性腫瘤組織或良性腫瘤組織的組織種類。
連同處理所述圖像數(shù)據(jù)所需的計算能力的降低與所需時間的縮短一 起，本方法有助于以這樣的方式對數(shù)字圖像的各個像素或體素進(jìn)行編碼， 即，在其中像素被編碼的向量的分量不僅包括與在每個被處理的像素或體 素的給定鄰域中的像素或體素的不同亮度相關(guān)的信息，而且，取決于所使 用的編碼方法的變型，還包括不同種類的信息。所述像素鄰域的圖l象數(shù)據(jù) 的奇異值提供壓縮形式的信息，其反映了在將被編碼的每個目標(biāo)像素或體 素的鄰域中的像素或體素的亮度值之間的關(guān)系。所述圖像數(shù)據(jù)矩陣的梯度 矩陣和Hessian矩陣的特征值，提供了概括的或壓縮的信息，其與在所述 鄰域的像素或體素之間的關(guān)系的其他特征相關(guān)，例如所述鄰域的像素或體 素(即所選窗口內(nèi)的像素或體素)之間的亮度變化的測度，以及在所述鄰 域內(nèi)的亮度函數(shù)曲率。小波變換和自相關(guān)變換進(jìn)一步提供與至少基于多樣 性原理的所述鄰域的像素或體素的圖像數(shù)據(jù)的關(guān)系相關(guān)的不同類型的信 息，以確定形成所述向量的分量的參數(shù)，并因而在某種程度上提高了準(zhǔn)確 度。
本編碼方法還提供至少相等的但通常是增強的預(yù)測準(zhǔn)確度。這是重要 的一項，由于當(dāng)前影響計算機輔助診斷的一個大問M假陽性的問題。當(dāng) 利用預(yù)測算法處理圖像數(shù)據(jù)以確定惡性腫瘤組織的存在時，例如在陽性結(jié) 果中，即在所述圖像中已經(jīng)被確定表示惡性腫瘤組織的像素或體素中，確 定所述像素或體素中的 一些實際上不對應(yīng)于惡性腫瘤組織。在如果存在惡 性腫瘤組織所述預(yù)測算法將識別它的意義下，已知的觀點，預(yù)測算法在發(fā) 現(xiàn)惡性腫瘤組織中具有高準(zhǔn)確度。另一方面，在所述所謂的正確陽性之下， 一些對應(yīng)于健康組織的像素或體素被歸類為惡性腫瘤組織。由于將用戶的 注意力吸引到健康區(qū)域，因此增加了評價的時間并可能引起所述用戶對錯 誤地突出顯示的區(qū)域進(jìn)行不必要的活組織檢查，，這是一個缺陷。
由于其減少了多次活組織檢查的需要以及診斷的時間，診斷圖像的預(yù) 測處理的準(zhǔn)確度的提高是極為重要的。
以上公開的方法的進(jìn)一步的改進(jìn)可以包括這樣的事實，即另一個包括 時間的維度#^口入到所述二維或三維圖像中。
例如，代替僅處理目標(biāo)的一個靜態(tài)圖像，考慮在預(yù)定時段內(nèi)同一目標(biāo)
的一個圖像序列。在這種情況下，所述序列可以包括在不同時刻tl,t2，…， 汰獲取的單個圖像，其中k為整數(shù)。在這種情況下，通過以上公開的函數(shù)， 如可選地或組合地通過所述圖像的特征值和/或奇異值，和/或梯度和/或 Hessian和/或共生矩陣，和/或小波變換參數(shù)，對每個圖像編碼。因此所述 編碼向量能夠包括，這些函數(shù)的至少一個的在所述圖像序列的對應(yīng)圖像的 各個時刻的值，作為分量。
作為在大小NxM的相鄰圖像中對隨時間的變化進(jìn)行編碼的第二方法， 是如本文早前所描述的創(chuàng)建一個3D矩陣并對高于2D的維度利用所述奇異
值的定義。
根據(jù)本發(fā)明的方法提供獨有的優(yōu)勢，即利用 一組非常有限的#對隨 時間的變化進(jìn)行編碼，因此使得實時計算機輔助診斷成為可能。


與根據(jù)現(xiàn)有技術(shù)水平的編碼方法相比較，下面參照附圖描述根據(jù)本發(fā)
明的編碼方法的簡化的例子，其中
圖l是由10x10像素的陣列形成的數(shù)字或數(shù)字化圖像的示意圖2是與圖1的圖像對應(yīng)的圖像數(shù)據(jù)陣列的示意圖，其中在所述陣列
中通過數(shù)值，例如在灰度數(shù)字圖像中的像素的亮度，來描述各個像素的視
覺外觀；
圖3示意性地示出了用于根據(jù)現(xiàn)有^t術(shù)水平通it^示(在圖2中所示 的)所選窗口的像素的數(shù)值對目標(biāo)像素進(jìn)行編碼的向量；
圖4示意性地示出了根據(jù)現(xiàn)有技術(shù)水平的像素編碼方法，其中以更一 般化的方式表示所述向量的分量。
圖5示出了以具有坐標(biāo)m, n的目標(biāo)像素為中心的一般的3x3窗口 ， 一 般梯度矩陣以及一種可能的計算數(shù)值偏導(dǎo)數(shù)的方法。我們還能夠通過利用 一些比如Sobel算子或Frei-Chen算子(Digital Image Processing, W. K. Pratt, John Wiley & Sons, Inc. New York, NY, USA， 1991 )的更復(fù)雜的算子 來計算導(dǎo)數(shù)；
圖6示出了一般的Hessian矩陣以及一種可能的計算數(shù)值二階偏導(dǎo)數(shù) 的方法；
圖7示意性地示出了根據(jù)本發(fā)明的表示所述目標(biāo)像素的向量； 圖8和圖9表示像素Pi，j的陣列形式的圖像以4神經(jīng)網(wǎng)絡(luò)中所述像 素陣列的對應(yīng)變換，在所述神經(jīng)網(wǎng)絡(luò)中每個結(jié)點Ki,j對應(yīng)于所述圖像的一 個像素，同時結(jié)點Ki， j的內(nèi)部值Ui， j對應(yīng)于表示所迷像素Pi， j的數(shù)值數(shù) 據(jù)，其中與本發(fā)明的編碼方法以及圖像處理方法結(jié)合，將所述網(wǎng)絡(luò)用于進(jìn)
行圖像預(yù)處理；
圖10示出了根據(jù)本發(fā)明的編碼方法的一般性組合的流程圖，所述編碼
方法具有預(yù)測算法，其用于對與所述圖像的一個或多個4象素或體素相對應(yīng)
的成像目標(biāo)的所述部分的特性進(jìn)行自動識別；
圖11示出了一種自動預(yù)測的方法的進(jìn)一步改進(jìn)，所述自動預(yù)測方法與 根據(jù)本發(fā)明的編碼成像數(shù)據(jù)的方法結(jié)合，對與所述圖像的 一個或多個像素 或體素相對應(yīng)的成像目標(biāo)的所述部分的特性進(jìn)行自動預(yù)測；
圖12示出了掃描儀的框圖，其用于獲取目標(biāo)的圖像，該掃描儀與用于 自動預(yù)測與對應(yīng)于所獲取圖像的一個或多個像素或體素的成像目標(biāo)的所述 部分的特性的手段相結(jié)合。
具體實施例方式
數(shù)字或數(shù)字化圖像由像素陣列P(n,m)形成，其中n，m-l，…，N。各個 像素是在監(jiān)視器或屏幕上或在打印紙上的具有某種外觀的小點。所述點的 外觀能通過數(shù)值數(shù)據(jù)來表示。在所謂的灰度圖像中，各個點具有與所i!A 度中的某個灰度級對應(yīng)的某個亮度。在彩色圖4象中，為了通過數(shù)值數(shù)據(jù)充 分地描述所述像素的外觀，更多的參數(shù)通常是必須的。已經(jīng)定義了幾種系 統(tǒng)，用于單義地表示彩色圖像中像素的外觀。 一種可能的系統(tǒng)是所謂的并 眾所周知的HVS (色度，純度，飽和度)或所謂的RGB (紅，綠，藍(lán)) 系統(tǒng)。由于對一般4支術(shù)人員而言明顯的是，如果處理彩色圖^f象則必須用對 應(yīng)的數(shù)值數(shù)據(jù)替代這些值，在當(dāng)前的簡化例子中，只有亮度I(n,m)已經(jīng)被 指示。
所以，圖2中所示的數(shù)值li:據(jù)I(n，in)n，m-l,…，10的陣列對應(yīng)于如圖 1的示意性像素陣列的包括像素P(n， m) n， m-l，...，lO的圖像，并且數(shù)值數(shù) 據(jù)的陣列是矩陣。
各個像素P(n， m)與數(shù)值地描述其外觀的數(shù)值數(shù)據(jù)I(n， m)，例如灰度 數(shù)字圖像中的像素的灰度級，單義地相關(guān)。
根據(jù)現(xiàn)有技術(shù)水平，已知通過其分量還包含與圖像的目標(biāo)像素周圍的 像素有關(guān)的信息的向量，對所述目標(biāo)像素進(jìn)行編碼。通常所述周圍區(qū)域由
具有維度(2S+l)x(2S+l)像素的以所述目標(biāo)像素為中心的窗口構(gòu)成，這里S 是由用戶任意地定義的整數(shù)(S=0,1，2，...,N)并在此被稱為"步長"。
由周圍的像素形成的窗口的以上定義等效于梯度x的周圍像素的定 義，其中x為整數(shù)并且該整數(shù)指示從目標(biāo)像素到鄰近像素的步長距離。將 所述窗口中心的像素作為所述目標(biāo)像素，包括梯度l的周圍像素的窗口是 直接相鄰于所述目標(biāo)像素的像素殼層(shell of pixel)，梯度2的周圍像素 包括包圍所述目標(biāo)像素的兩個最近像素殼層，其在形成所述圖像的 <象素陣 列的各個方向上，對應(yīng)于距所述目標(biāo)像素一個間隔步長以W巨所述目標(biāo)係_
素兩個間隔步長。該定義還相應(yīng)地應(yīng)用于由體素陣列形成的3D圖像。
最小尺寸的所述窗口由具有3x3維度并且其中心像素為所述目標(biāo)像 素、步長S等于1的《象素陣列構(gòu)成。也可以選斧清如例如5x5或7x7，步 長分別為S-2和S-3的更大的窗口。為簡單起見，在本例中，選擇對應(yīng)于 以所述目標(biāo)像素為中心的3x3像素陣列的窗口 。
在圖2中參照表示圖像的像素的數(shù)值數(shù)據(jù)矩陣示出了該窗口。 窗口 W包括9個像素，其中之一為目標(biāo)像素。在圖2中示出的所述窗 口以目標(biāo)像素P(2,2)為中心，并包括由對應(yīng)數(shù)值，即所述像素的亮度值I(l， 1)， 1(1， 2), 1(1， 3)， 1(2,1)， 1(2， 1)， 1(2， 3), 1(3， 1)， 1(3, 2)， 1(3, 3)，來表示的像素 P(l, 1)， P(l， 2)， P(l， 3)， P(2,1), P(2， 2)， P(2, 3), P(3， 1)， P(3, 2)， P(3, 3)。
根據(jù)還利用與窗口 W中的相鄰像素有關(guān)的信息對目標(biāo)像素P(2， 2)編 碼的已知方法，與目標(biāo)像素P(2， 2)的亮度一起取所述像素的亮度作為向量 的分量，所述向量用于表示所述目標(biāo)像素P(2, 2)以及如上所定義的周圍像 素的關(guān)系。
在圖3中示意性地示出了所述向量。正如其可以清楚地顯示的，表示 目標(biāo)^^素的各個向量具有九個分量。
圖4示意性地示出了根據(jù)現(xiàn)有技術(shù)水平對目標(biāo)4象素編碼的所述向量的 一般表達(dá)。在這種情況下，所述目標(biāo)像素通過其亮度來表示并被定義為具 有亮度I(n， m)的像素P(n, m)。
在圖5中參照圖4的向量示出了窗口 W以及其在所謂的梯度矩陣中的
200680016189.7
說明書第17/31頁變換。
對于一般技術(shù)人員可以清楚地顯示，表示所述像素的數(shù)值陣列，以及
在這種情況下的在窗口 W內(nèi)的像素的亮度數(shù)據(jù)I(m-l， n-l)， I(m-l, n)， I(m-l, n+l), I(m， n-l), I(m， n+l)， I(m十l， n-l)， I(m十l， n)， I(m十l， n+l)的陣 列為二維目標(biāo)，從而能夠定義兩個方向并能對于所考慮的窗口中的每個寸象 素估計在兩個方向上的梯度。
在這種情況下，所述梯度矩陣是可對角化的，從而能夠由它的特征值 p 來表示，p=l，2。
能夠進(jìn)一步地處理所選窗口 W的像素的亮度的原矩陣(original matrix) I，并且對于所述原矩陣能夠計算所謂的Hessian矩陣。同樣在這 種情況下Hessian矩陣能夠由其特征值 p來表示。
當(dāng)考慮所選窗口的3x3亮度值矩陣I時，通常所述矩陣將不是可對角 化的并且如上所述特征值將沒有意義。所以考慮這種更一般的情況，如圖 5中所示的所選窗口 W的像素的亮度的原矩陣I能夠由所謂的奇異值"'來 表示。
可選地或與對應(yīng)于所述所選窗口的亮度矩陣的梯度矩陣和Hessian矩 陣的特征值聯(lián)合，利用對應(yīng)于所選窗口的亮度矩陣的奇異值，能夠生成用 于對對應(yīng)的目標(biāo)^像素單義地編碼的向量。所述向量的分量構(gòu)成于，與所選 窗口的像素對應(yīng)的亮度值矩陣的所述奇異值，以及通過處理與所選窗口的 像素對應(yīng)的亮度值的所述矩陣而獲得的所述梯度矩陣和所述Hessian矩陣 的特征值。
因此本發(fā)明的目的，在于使得，在所述編碼向量中以非常壓縮的形式 表示所述目標(biāo)像素相對于被包括在所選窗口中的其周圍像素的關(guān)系，而沒 有在已提出方法的總預(yù)測函數(shù)中的性能損失。
當(dāng)選擇包括更高數(shù)量的周圍像素的窗口時，該差異逐漸變得更大。 盡管所示舉例受限于與所選窗口的像素相對應(yīng)的亮度值的原矩陣的變 換的特定選擇，如以上已經(jīng)被公開的，能夠可選地或組合地應(yīng)用進(jìn)一步的 變換。所以例如能夠進(jìn)行小波分解，并且平均或細(xì)節(jié)值能夠,皮全部或至少
一部分用作所述目標(biāo)像素的編碼向量的分量。
可選地或組合地，能夠4吏用與所選窗口的〗象素相對應(yīng)的亮度值的原矩 陣的自相關(guān)變換，并且獲得的參數(shù)能夠全部或至少其中的一些被用作對所 述目標(biāo)像素編碼的向量的分量。
小波變換還能被用作預(yù)處理步驟。所獲得的數(shù)值數(shù)據(jù)的矩陣然后能夠
^^利用對應(yīng)的梯度矩陣和/或?qū)?yīng)的Hessian矩陣進(jìn)行處理，并且它們的奇 異值和/或特征值能夠被可選地或組合地確定。
根據(jù)又一個改進(jìn)，所述數(shù)字圖像能夠首先受到利用所謂的細(xì)胞自動機 的處理。文獻(xiàn)US 5,140,670以及文獻(xiàn)"Cellular Neural Networks: Application" by Leon O. Chua and Ling Yang, I.E.E.E. Trans. On Circuits & System vol. 35 (1998) Oct., No.lO， New York, NY， US公開了所謂的細(xì)胞 自動機和神經(jīng)網(wǎng)絡(luò)的結(jié)合。這種新型信息處理系統(tǒng)是一種類似神經(jīng)網(wǎng)絡(luò)的 大規(guī)模的非線性模擬電路，其中所述電路實時地處理信號。比如細(xì)胞自動 機，它由有規(guī)則地隔開的被稱為細(xì)胞的電路克隆(circuitclone)的巨大集 合體組成，所述細(xì)胞只通過其最近的鄰居直接互相通信。由于細(xì)胞神經(jīng)網(wǎng) 絡(luò)的連續(xù)時間動態(tài)的傳播效應(yīng)，不直接連接到 一起的細(xì)胞可以間接地互相 影響。所述細(xì)胞神經(jīng)網(wǎng)絡(luò)能夠進(jìn)行反饋和前饋操作。細(xì)胞之間的連接是均 勻的以;5L^部的。這意味著能夠由細(xì)胞神經(jīng)網(wǎng)絡(luò)的反饋和前饋算子的模板 來描述其特征。這些算子定義了所述細(xì)胞神經(jīng)網(wǎng)絡(luò)的動態(tài)行為。這些算子 是系數(shù)的有限常量或方陣，所謂的克隆模板定義了所述細(xì)胞神經(jīng)網(wǎng)絡(luò)的動 態(tài)規(guī)則。因而在細(xì)胞神經(jīng)網(wǎng)絡(luò)中，能夠使用不同類型的算子，它們被預(yù)定 義并且獨立于將被處理的數(shù)據(jù)陣列的數(shù)據(jù)的具體值。為了從數(shù)據(jù)或數(shù)據(jù)之 間的關(guān)系提取或突出特征而進(jìn)行數(shù)據(jù)的特定操作，具體定義了各個算子。 通常提供了這種算子模板的庫，即所謂的基因，從其選擇一個或多個算子 模板并且將之用于進(jìn)行所要的數(shù)據(jù)處理。所以例如當(dāng)考慮二維圖像時，算 子或基因能夠被提供用于檢測并突出邊緣，進(jìn)一步的算子或基因能夠被提 供用于銳化等等。為了獲得所述算子在輸出圖像上的效果的組合，所述算 子隨后能夠^皮用于處理所述數(shù)據(jù)。
不同的方案還利用人工神經(jīng)網(wǎng)絡(luò)，該神經(jīng)網(wǎng)絡(luò)包括與其結(jié)點對應(yīng)的細(xì)
胞(Ki)的n-維陣列，各個細(xì)胞具有到形成細(xì)胞(Ki)的鄰域的直接相鄰 細(xì)胞(Kj)的連接，參見圖8和9。
各個細(xì)胞(Ki)具有對于到所述周圍細(xì)胞的直接相鄰細(xì)胞(Kj)的各 個連接的輸入。此外，各個細(xì)胞(Ki)具有對于到一個或多個直接相鄰細(xì) 胞(Kj)的連接的輸出。在各個細(xì)胞(Ki)和所述直接相鄰細(xì)胞之間的連 接在神經(jīng)網(wǎng)絡(luò)中照例由權(quán)重(Wij)來確定。通過^L定義為細(xì)胞(Ki)的激 活值(activation value)或函數(shù)(A。的內(nèi)部值來進(jìn)一步表征各個細(xì)胞， 并且各個細(xì)胞(Ki)能夠根據(jù)被稱為傳遞函數(shù)的信號處理函數(shù)進(jìn)行信號處 理，以生成細(xì)胞輸出信號(Ui)。所述傳遞函數(shù)確定細(xì)胞(Ki)的輸出信 號(Ui)為所述細(xì)胞(Ki)的所述激活值或函數(shù)(Ai)的函數(shù)，此傳遞函 數(shù)還包括使細(xì)胞(Ki)的所述激活值或函數(shù)(Ai)的等于細(xì)胞(Ki)的輸 出信號(Ui)的恒等函數(shù)。
提供輸入數(shù)據(jù)記錄(Pi)的n-維數(shù)據(jù)庫，所述輸入數(shù)據(jù)記錄必須被提 交給利用所述神經(jīng)網(wǎng)絡(luò)的計算，并且在所述n-維數(shù)據(jù)庫中，當(dāng)數(shù)據(jù)記錄(Pi) 被投影到對應(yīng)的n-維空間中時，其相對位置是所述數(shù)據(jù)記錄(Pi)的相關(guān) 特征，能夠由所述n-維空間中的點陣列表示所述數(shù)據(jù)庫的數(shù)據(jù)記錄(Pi)， 各個點具有在所述點陣中的已定義的位置并與所述數(shù)據(jù)庫的數(shù)據(jù)記錄(&) 相關(guān)，所述數(shù)據(jù)庫的各個數(shù)據(jù)記錄(Pi)進(jìn)一步包括其每一個具有某個值
(Ui)的至少一個或多個變量。各個數(shù)據(jù)記錄(Pi)與形成所述神經(jīng)網(wǎng)絡(luò) 的n-維細(xì)胞陣列的細(xì)胞(Ki)相關(guān)，其中細(xì)胞(Ki)在n-維細(xì)胞陣列中具 有與由所述n-維點陣列中的點表示的對應(yīng)的數(shù)據(jù)記錄(Pi)相同的位置
(Ki)。被作為所述網(wǎng)絡(luò)的初始化值的各個數(shù)據(jù)記錄(Pi)的變量值(Ui) 被取為相關(guān)細(xì)胞(Ki)的初始激活值(Ai)或初始輸出值(Ui)。各個細(xì) 胞(Ki)的所述激活值(Ai)或所述輸出值(Ui)在經(jīng)過所述神經(jīng)網(wǎng)絡(luò)的 若千迭代處理步驟之后，被作為所述相關(guān)數(shù)據(jù)記錄(Pi)的新值(Ui)。
根據(jù)該方案，對于所述若干迭代處理步驟的各處理步驟，定義各個細(xì) 胞(Kj )和直接相鄰細(xì)胞(Kj )之間的連接的權(quán)重(Wy )被確定為，與直
接相鄰于所述細(xì)胞(Ki)的細(xì)胞(Kj)相關(guān)的各個數(shù)據(jù)記錄(Pj)的當(dāng)前 變量值(Uj)的函數(shù)，所述函數(shù)即所謂的學(xué)習(xí)函數(shù)或規(guī)則。被作為所iM目 關(guān)的數(shù)據(jù)記錄(Pi)的當(dāng)前新值(Ui)的在所述神經(jīng)網(wǎng)絡(luò)的處理步驟之后 的各個細(xì)胞(Ki)的當(dāng)前激活值(Ai)或輸出值(Ui)，被確定為直接相 鄰細(xì)胞(Kj)的當(dāng)前輸出值(Uj)的函數(shù)，其中所述直接相鄰細(xì)胞(Kj) 被通過對直接相鄰細(xì)胞(Kj)與所述細(xì)胞(Ki)的連接進(jìn)行定義的對應(yīng)的 權(quán)重(Wij)進(jìn)行加權(quán)。
作為 一種變型，通過將3皮作為所勤目關(guān)數(shù)據(jù)記錄(Pi)的當(dāng)前新值(Ui) 的在所述神經(jīng)網(wǎng)絡(luò)的處理步驟之后的各個細(xì)胞(Ki)的當(dāng)前激活值(Ai) 或輸出值(Ui)確定為定義所述直接相鄰細(xì)胞(Kj)與所述細(xì)胞(Ki)的 連接的權(quán)重(Wy)的函數(shù)，能夠修改上述人工神經(jīng)網(wǎng)絡(luò)，所述函數(shù)即所謂 的激活函數(shù)或規(guī)則。
4皮作為所述相關(guān)數(shù)據(jù)記錄(Pi)的當(dāng)前新值(Ui)的在所述神經(jīng)網(wǎng)絡(luò) 的處理步驟之后的各個細(xì)胞(Ki)的當(dāng)前激活值(Ai)或輸出值(ui)， 能夠被確定為所述直接相鄰細(xì)胞(Kj)的當(dāng)前輸出值(Uj)和對應(yīng)的定義 所述直接相鄰細(xì)胞(Kj)與所述細(xì)胞(Ki)的連接的權(quán)重(Wij)的函數(shù)， 所述函數(shù)即所謂的激活函數(shù)或規(guī)則。
此外，對于所述若干迭代處理步驟的各處理步驟，定義各個細(xì)胞(Ki) 和直接相鄰細(xì)胞(Kj)之間的連接的所述權(quán)重(Wij) ^皮確定為，與直接相 鄰于所述細(xì)胞(Ki)的細(xì)胞(Kj)相關(guān)的每個數(shù)據(jù)記錄(Pj)的當(dāng)前變量 值(Uj)以及與所述細(xì)胞(Ki)相關(guān)的^t據(jù)記錄(Pi)的當(dāng)前變量值(Ui) 的函數(shù)。
當(dāng)數(shù)據(jù)庫由二維圖像的像素形成時，上述神經(jīng)網(wǎng)絡(luò)形成一種用于根據(jù)
本發(fā)明的圖像處理的機器。
所以，參照在所述原理圖中示出的例子，如果考慮到所述神經(jīng)網(wǎng)絡(luò)的
各個結(jié)點的初始內(nèi)部值被設(shè)置為等于對應(yīng)像素Pm， n的亮度值I(n， m)，取 決于所使用的激活函數(shù)或?qū)W習(xí)函數(shù)，各個結(jié)點的所述內(nèi)部狀態(tài)在每一處理 步驟都將改變，并且這對應(yīng)于所述對應(yīng)像素的新亮度值。所述圖4象因此必須根據(jù)利用所述激活或?qū)W習(xí)函數(shù)來定義的某種規(guī)則改變其顯示。
也能使用對所述圖像數(shù)據(jù)進(jìn)行預(yù)處理的進(jìn)一步的方法或?qū)?yīng)的算法，
諸如利用聚類算法處理所述圖像數(shù)據(jù)。
以上公開的預(yù)處理能夠被解釋為所述圖像的濾波處理，其能夠?qū)е拢?br> 對在所述圖像中包含的一些信息的增強以及對與預(yù)測輸出沒有實質(zhì)意義相
關(guān)的其他信息的抑制，在這種情況下所述輸出即所述成像目標(biāo)的組織的特
性或特征。
根據(jù)本發(fā)明對數(shù)字或數(shù)字化圖像的像素編碼的數(shù)值數(shù)據(jù)的精簡對于減 少所述圖像的計算能力要求以及縮短其圖像處理時間是非常有用的。 一個
具體的領(lǐng)域即所謂的CAD (計算機輔助診斷)。在該技術(shù)領(lǐng)域中，非常重 要的一項包括從所述圖像，典型的如灰度MRI圖像或超聲波或放射圖像， 自動識別與所述圖# 的一個或多個^f象素相對應(yīng)的成l象目標(biāo)的所述部分的特 性或特征。 一種具體情況是專注于生物組織的特性或特征的自動分類，比
如其屬于健康或腫瘤組織。
將諸如人工神經(jīng)網(wǎng)絡(luò)的預(yù)測算法用于實現(xiàn)該自動分類。
人工神經(jīng)網(wǎng)絡(luò)是眾所周知的，可參見例如Kashan Mehrotra， Chilukuri K. Mohan, Sanjay Ranka "Elements of Artificial Neural Network" A Bradford Book, The MIT Press Cambridge, Massachusetts, 1997。
根據(jù)現(xiàn)有技術(shù)水平，可參見例如文獻(xiàn)WO03077182,為了進(jìn)行生物目 標(biāo)的組織(健康的或肺瘤組織)的特性或特征的自動識別以形成診斷圖像， 所述圖像的各像素或所述像素的一部分如圖3和4中所描述的通過向量祐L 編碼，所述向量包括，對應(yīng)于將被編碼的像素的亮度的數(shù)值以及與將被編 碼的所述^象素(目標(biāo)像素)周圍的像素的亮度相對應(yīng)的數(shù)值作為其分量， 其中所述周圍的像素構(gòu)成所選窗口的一部分，即所述將被編碼的像素周圍 的像素的選擇的子陣列。
提供了這樣的人工神經(jīng)網(wǎng)絡(luò)，其具有對于各個向量分量的至少一個輸 入結(jié)點并具有對應(yīng)于兩個數(shù)值的輸出結(jié)點，所述數(shù)值單義地與所述組織的 特征相關(guān)，例如值(0,1)對應(yīng)于健康組織而值(1,0)對應(yīng)于肺瘤組織。
提供了幾個隱蔽層。通過利用已知生物目標(biāo)的診斷圖像的數(shù)據(jù)庫訓(xùn)練所述 神經(jīng)網(wǎng)絡(luò)并接著對其進(jìn)行迭代測試，對應(yīng)于所述圖像的各個像素的所述成 像目標(biāo)的各個區(qū)域的特征(健康的或肺瘤的組織)是已知的并且與所對應(yīng)
的像素單義地相關(guān)。所述數(shù)據(jù)庫的一部分(典型地1/2 )數(shù)據(jù)被用于訓(xùn)練所 ii^w工神經(jīng)網(wǎng)絡(luò)，而所述數(shù)據(jù)庫的另一部分?jǐn)?shù)據(jù)被用于測試所迷預(yù)測算法。
法。還能夠結(jié)合兩種或多種不同的預(yù)測算法的結(jié)果，或者例如在訓(xùn)練和測 試集上根據(jù)不同的數(shù)據(jù)集或數(shù)據(jù)庫的不同分配來訓(xùn)練并然后測試的兩個或 多個人工神經(jīng)網(wǎng)絡(luò)的結(jié)果。
圖9示出了關(guān)于處理數(shù)字或數(shù)字化圖像的方法的一般化的流程圖。 第 一階段包括生成已知情形的數(shù)據(jù)庫并包紛ll練和測試諸如人工神經(jīng) 網(wǎng)絡(luò)的預(yù)測算法。該階段包括如下步驟
a) 提供已知目標(biāo)的一組數(shù)字圖像，所述數(shù)字圖像包括二維像素陣列 或三維體素陣列，通過至少一個變量，如灰度圖像中的亮度或彩色圖像中 的HSV (色度，飽和度和純度)或RGB值來定義各個像素或體素，所述 數(shù)字圖像的各個像素或體素是所述成像目標(biāo)的對應(yīng)區(qū)域或部分的表示，對 于所述成像目標(biāo)已知感興趣的特性或特征，并且所述已知特性或特征與所 述數(shù)字圖像的對應(yīng)像素或體素單義地相關(guān)；
b) 根據(jù)以上公開的本發(fā)明的方法的可能變型之一，對所述數(shù)字圖像 的各個像素或體素或所述數(shù)字圖像的像素或體素的子集的各個像素或體素 進(jìn)行編碼，并且，將所述圖像的像素或體素與其對應(yīng)并且由各個向量表示
量單義地相關(guān)；
c) 提供諸如神經(jīng)網(wǎng)絡(luò)的預(yù)測算法；
d) 通過將與所述已知目標(biāo)的所述圖像的各個像素或體素單義地相 關(guān)的向量用作輸入數(shù)據(jù)，并通過將所述圖^^的J象素或體素與其對應(yīng)且所述 向量的每一個與其單義地相關(guān)的成>(象目標(biāo)的所述區(qū)域或部分的已知特性或
特征用作輸出數(shù)據(jù)，來進(jìn)行所述預(yù)測算法的訓(xùn)練和測試。
第二階段包括獲取數(shù)字圖像或?qū)D像進(jìn)行數(shù)字化，并包括對所述圖像 的各個像素或體素或所述圖像的部分像素或體素或所述圖像的一部分進(jìn)行 編碼，并且向所述經(jīng)過訓(xùn)練和測試的預(yù)測算法提供所述已編碼的像素或體
素。該第二階段包括如下步驟
e) 提供目標(biāo)的數(shù)字圖像，所述數(shù)字圖像包括二維像素陣列或三維體 素陣列，通過至少一個變量，如灰度圖像中的亮度或彩色圖像中的HSV(色 度、飽和度、純度)或RGB值來定義各個像素或體素，所述數(shù)字圖像的 各個像素或體素是特性或特征必須被確定的成像目標(biāo)的對應(yīng)區(qū)域或部分的
表示；
f) 根據(jù)以上公開的本發(fā)明的方法的可能變型之一，對所述數(shù)字圖像 的各個像素或體素或所述數(shù)字圖像的像素或體素的子集的各個像素或體素 進(jìn)行編碼，對于每個已編碼的像素或體素獲得與所述像素或體素單義地相 關(guān)的向量；
g) 在所述預(yù)測算法經(jīng)過訓(xùn)練和測試之后，對于所述數(shù)字圖像的每一 個或部分像素或體素，將對應(yīng)的向量的分量用作所述預(yù)測算法的輸入數(shù)據(jù)；
因而利用所述算法，最后的步驟在于
h) 對于與已經(jīng)通過所述向量單義地編碼的所述像素或體素單義地 對應(yīng)的所述成像實體的所述區(qū)域或部分，通過所述預(yù)測算法的輸出響應(yīng)， 確定其特性或特征，其中已經(jīng)將所述向量的分量作為輸入提供給所述預(yù)測 算法。
在一些實驗中利用不同組織的數(shù)字化圖像并通過預(yù)測算法對所述組織 類型分類，已經(jīng)測試了 4艮據(jù)本發(fā)明的編碼方法和處理這種已編碼的圖<象數(shù) 據(jù)的方法。已經(jīng)將通過根據(jù)本發(fā)明的所述^f象素編碼方法獲得的結(jié)果與對于 相同數(shù)字化圖像通過利用以上公開的經(jīng)典像素向量編碼方法獲得的結(jié)果相 比較。所述比較已經(jīng)證明根據(jù)本發(fā)明的所述編碼像素具有更好的適應(yīng)度和 更高的計算速度。
處理數(shù)字或數(shù)字圖像的方法的進(jìn)一步的改進(jìn)，具體而言，即為了所述 成像目標(biāo)的特征的識別而應(yīng)用對4象素或體素進(jìn)行編碼的所述方法，由本發(fā)
明提供并在下面被公開。
參照圖ll,所述改進(jìn)包括如下步驟
定義用于進(jìn)行所述像素或體素編碼的第一窗口 ，所述窗口由將被編碼 的所述目標(biāo)像素或體素周圍的像素或體素的陣列形成，其具有與所述窗口 的像素的數(shù)量相關(guān)的第 一 維度；
進(jìn)4亍所述像素或體素的編碼；
提供經(jīng)過訓(xùn)練的預(yù)測算法，并通過才艮據(jù)以上定義的第一窗口的所述已 編碼的像素或體素來進(jìn)行圖像的第一處理，因而確定所述圖像中的各個像 素或體素的特征或特性；
識別所述圖像中具有某種特性的像素或體素以及它們在所述圖像中的 位置；
定義與其中存在有具有所述某種特性的像素或體素的原始圖像的區(qū)域 或部分相對應(yīng)的像素或體素的子陣列；
定義用于進(jìn)行所述像素或體素編碼的第二窗口 ，所述窗口由將,皮編碼 的所述目標(biāo)像素或體素周圍的像素或體素的陣列形成，其具有與所述窗口 的像素的數(shù)量相關(guān)的第二維度，所述窗口的維度和像素數(shù)目大于所述第一 窗口；
只對以上定義的像素或體素的子陣列的像素或體素進(jìn)行像素或體素編
素的所述原始圖像的區(qū)域或部分相對應(yīng)；
利用所述經(jīng)過訓(xùn)練和測試的算法，進(jìn)行通過利用所述第二窗口來編碼 的所述已編碼像素或體素的第二處理，以確定所述像素或體素子陣列的所 述像素或體素的特征或特性，根據(jù)利用所述預(yù)測算法的第一處理步驟所述
始圖l象的區(qū)域或部分相對應(yīng)；
進(jìn)一步的步驟明顯地能夠凈皮執(zhí)行，通過
根據(jù)利用預(yù)測算法的前述處理步驟識別所述圖像中具有某種特性的像 素或體素以及它們在所述圖像中的位置；
定義像素或體素的子陣列，其與在其中存在具有所述某種特性的像素
或體素的原始圖像的區(qū)域或部分相對應(yīng)；
定義用于進(jìn)行所述像素或體素編碼的新窗口 ；所述窗口由將被編碼的 目標(biāo)像素或體素周圍的像素或體素的陣列形成，其具有與所述窗口的像素 的數(shù)目相關(guān)的維度，并且所述窗口的維度和像素或體素的數(shù)目不同于在前 述處理步驟中定義的窗口 ；
只對以上凈皮定義的像素或體素子陣列的〗象素或體素進(jìn)行^象素或體素編
的所述原始圖像的區(qū)域或部分相對應(yīng)。
利用所述經(jīng)過訓(xùn)練和測試的算法，進(jìn)行對通過利用所述新窗口編碼的 已編碼^像素或體素的進(jìn)一步的處理，以確定所述〗象素或體素子陣列的所述 像素或體素的特征或特性，根據(jù)具有所述預(yù)測算法的前述處理步驟所述像
圖4象的區(qū)域或部分相對應(yīng)。
對于具有所述預(yù)測算法的某個對應(yīng)的處理步驟，用于對所述^f象素或體 素編碼的不同窗口也將被用于，對用于訓(xùn)練和測試所述預(yù)測算法的數(shù)據(jù)集 的像素或體素編碼，以致在用于對所述訓(xùn)練和測試數(shù)據(jù)集的圖像的像素或 體素進(jìn)行編碼的窗口與用于對必須被處理的圖像的像素或體素進(jìn)行編碼的 窗口之間，存在對應(yīng)的關(guān)系。
根據(jù)能夠與以上公開的改進(jìn)可選地或組合地應(yīng)用的另 一個改進(jìn)，對于 將被處理的圖像的像素或體素，或根據(jù)具有所述預(yù)測算法的前述處理步驟 與在其中存在具有所述某種特性的像素或體素的所述原始圖^f象的區(qū)域或部 分相對應(yīng)的像素或體素，在它們的各個編碼步驟中，通過對包括所述數(shù)值 數(shù)據(jù)(即所述像素或體素子陣列的像素或體素的亮度值)的原始矩陣施加 進(jìn)一步的變換而獲得的參數(shù)的全部或僅僅一部分能夠被加入到所述像素或 體素編碼向量的分量中。
例如，對于第一預(yù)測處理步驟，利用所述亮度值的矩陣的奇異值，以 及所選窗口的像素或體素的所述亮度矩陣的梯度矩陣的特征值和Hessian
矩陣的特征值，對將纟皮處理的所述Z像素或體素編碼，而對于所述預(yù)測算法 的隨后的處理步驟，在其中只有一個或多個像素或體素子陣列的^象素或體 素被處理，在此所述子陣列根據(jù)具有所述預(yù)測算法的所述第 一處理步驟與 在其中存在具有某種特性的像素或體素的原始圖^象的區(qū)域或部分相對應(yīng)， 所述像素或體素由進(jìn)一步的數(shù)值數(shù)據(jù)表示，所述數(shù)值數(shù)據(jù)對應(yīng)于由所定義 窗口的像素或體素的亮度矩陣的一個或多個進(jìn)一步的變換所提供的參數(shù)的 全部或一部分。所述亮度矩陣的這種進(jìn)一步的變換例如自相關(guān)變換或小波 變換。
這種變型能夠被可選地應(yīng)用于改變所述窗口的維度或與所述窗口的維 度的變化聯(lián)合使用。
與上述方法聯(lián)合，當(dāng)在所述第 一步驟中對整個圖像編碼并利用預(yù)測算 法對其進(jìn)行處理，因而獲得對具有所要的特性的成像目標(biāo)的一部分進(jìn)行表 示的像素或體素時， 一個或多個圖像區(qū)域能夠被定義為對應(yīng)于能夠被指示 為全景圖像的原始圖像的僅僅一部分。在如上所公開的這種情況下，所述 全景圖像的所述部分或區(qū)域能夠與所述全景圖像具有相同的分辨率?？蛇x 地，能夠利用更高的分辨率獲取所述部分或區(qū)域的至少一個的新的圖像或 完全新的全景圖〗象。由于這樣的事實，即所述全景圖^f象的所述部分或區(qū)域 小于所述全景圖像，也就是對應(yīng)于更小的視圖文件，即使所述分辨率已經(jīng) 被提高，與所述全景圖像的所述區(qū)域或部分相關(guān)的圖像數(shù)據(jù)的處理將不會
導(dǎo)致將^C處理的變量的數(shù)目過高。
對于定義各個目標(biāo)〗象素的周圍〗象素的窗口 ，通過減少或增加在對所述 目標(biāo)像素或體素編碼中將考慮的周圍像素的數(shù)量，還能夠改變其維度。
圖11給出了一個簡化的例子以說明所述原理。利用根據(jù)本發(fā)明的編碼 像素或體素的方法以及圖像處理的方法獲取和處理第一全景圖像。在這種
情況下，窗口 W已經(jīng)被定義為3x3像素。所述圖像的所述處理表明，在兩 個區(qū)域1和2中已經(jīng)發(fā)現(xiàn)了所述成像對象的所要搜尋的特性。
根據(jù)以上公開的變型，兩個圖像能夠被定義，其對于所述全景圖像具 有相對減小的維度，并完全或至少包括所迷全景圖〗象的區(qū)域1和區(qū)域2的
部分。在圖11中，這兩個圖^JC^示為圖像區(qū)域1和圖像區(qū)域2。
在第一變型中，具有減小的維度并包括所述全景圖像的兩個區(qū)域l和 2的兩個圖像被簡單地裁剪出，并且所述兩個圖像具有與所述全景圖^^目 同的分辨率。所述僅有的變型涉及這樣的事實，即各個目標(biāo)像素周圍的像 素的窗口已經(jīng)被分別增加到以各目標(biāo)像素為中心的5x5像素的維度以及 9x9像素的維度。
在這種情況下，包圍所述目標(biāo)像素的像素窗口的維度已經(jīng)被增加的事 實，被作為所述全景圖像的簡單裁剪的各圖像區(qū)域具有減少數(shù)量的像素這 樣的事實所平衡。
在圖11中示出的可選方案進(jìn)一步提供了提高所述兩個圖像區(qū)域的分 辨率的事實，其與定義相比于在所述全景圖像上執(zhí)行的所述第一處理步驟
中使用的窗口具有增大維度的周圍像素的窗口聯(lián)合應(yīng)用。在這種情況下， 所述增大的分辨率對于圖像區(qū)域1和2兩者是相同的，但這完全不是必須 的并且所述圖像區(qū)域1和2能夠被選擇以相對于所述全景圖像具有不同的 增大的分辨率。無論如何，還必須考慮到通常增大的分辨率被認(rèn)為是所期 望的，但由于圖像區(qū)域1或2中的至少一個被選擇以具有比所述全景圖像 低的分辨率也是可能的，不必認(rèn)為所述公開的方法受此限制。
考慮如圖像區(qū)域1和2在圖2中所指示的圖像的至少一個的新分辨率， 則能夠定義用于對所述圖像區(qū)域的像素進(jìn)行編碼并用于處理所述圖^象的周 圍^f象素窗口，其與在處理所述全景圖^^中所用的窗口具有相同的維度?？?選地，還能夠與所述周圍像素窗口的維度的變化相結(jié)合，提供相對于所述 全景圖像的圖像區(qū)域1和2的分辨率的改變，其中對于各個圖像區(qū)域，所 述窗口的維度可以是相同或甚至不同的。
明顯地，當(dāng)對應(yīng)于所述全景圖像的裁剪部分的圖像必須具有增大的分 辨率時，對于與所述裁剪部分對應(yīng)的將被成像的目標(biāo)的各個區(qū)域，與其相
關(guān)的視場相應(yīng)減小，必須進(jìn)行具有該相應(yīng)減小的視場的新的數(shù)字化或新的 圖像獲取。
圖12示出了一種成像設(shè)備的框圖，所述成像設(shè)備被提供有，處理所獲
取的圖像以識別所述成像對象的特性的裝置，并且利用其能夠執(zhí)行所公開 的變型的任何一種中的上述方法步驟。
所述成像設(shè)備包括，通過例如所述成像實體的發(fā)射、反射或透射獲取
成像數(shù)據(jù)的掃描儀10，通過所述掃描儀接收到的信號被饋送給處理所述接 收到的信號以獲得能夠由監(jiān)視器12上的像素陣列表示的圖像數(shù)據(jù)的圖像 處理器ll。
進(jìn)一步的單元13被提供，其用于處理參數(shù)形式的圖像數(shù)據(jù)，所述參數(shù) 用于通過根據(jù)本發(fā)明的編碼圖像像素的方法與才艮據(jù)前述變型的一個或多個 識別由所述圖像像素表示的目標(biāo)區(qū)域的特性的方法這兩者的組合的所述公 開的變型的一個或多個，來確定所述圖像像素的外觀。通過將所述監(jiān)視器 上的像素的某些特定外觀(aspect)單義地相關(guān)到某些特性或某種所要搜 尋的特性，能夠在所述監(jiān)視器上顯示圖像中突出由所述圖像的像素表示的 目標(biāo)的成像部分的特性。
于是用戶能夠定義包括了具有所述要搜尋的特性的可視圖像的像素的 可視圖像的裁剪。通過定義用于編碼各個像素的周圍像素窗口的新的窗口 維度，由裝置13處理這個包括所述裁剪的較小的圖像，或者掃描儀能夠被 設(shè)置為自動地通過將視野限制在每一個所述定義的裁剪的維度來僅獲取所 述裁剪的圖像。對于將利用所述縮減的視野獲取的所述新圖像，還能定義 新的分辨率。
考慮到用于從所述接收到的信號生成圖像數(shù)據(jù)的圖像處理器12經(jīng)常 由計算機形成，所述進(jìn)一步的處理單元13，其用于對所述圖像的所述像素 編碼并自動識別由各個像素表示的所述成像目標(biāo)的所述部分的特性，能夠 成為通過所述計算機來執(zhí)行的軟件裝置的形式。同樣，裝置14，其允許所 述裁剪的定義和/或所述周圍像素的窗口的新分辨率和/或新維度的設(shè)置并 用于相應(yīng)地調(diào)整所述掃描儀10的參數(shù)，能夠由將通過所述計算機執(zhí)行的軟 件裝置構(gòu)成。
在上述例子中，用于對所述圖像的所述像素進(jìn)行編碼并對由各個像素 表示的所述成^f象目標(biāo)的所述部分進(jìn)行特性識別的所述處理單元13,以及單 元14，是所述成像設(shè)備的內(nèi)部單元，所述成像設(shè)備可以包括電子單元和軟 件裝置或當(dāng)其包括計算機時只包括可執(zhí)行的軟件裝置?？蛇x地，所述單元 13和14能夠是外部圖像處理系統(tǒng)的形式，所述系統(tǒng)包括計算機硬件以及 可通過所述計算機硬件執(zhí)行所述處理單元13和/或單元14的功能的可執(zhí)行 軟件裝置，并且該系統(tǒng)具有與所述成像設(shè)備的對應(yīng)接口進(jìn)行通信的接口 。
盡管僅參照二維的情況已經(jīng)實現(xiàn)本描述和所述舉例，對于技術(shù)人員明 顯的是，以上步驟還能被應(yīng)用于所述圖像為三維體素陣列的情況。
根據(jù)編碼圖像的像素或體素的方法的進(jìn)一步的變型，還能夠定義向量 的分量，其中該向量用于通過利用對凈皮作為所述圖^^的兩個、三個或更多
像素或所述體素編碼。
在這種情況下，兩種、三種或更多的濾波算法被應(yīng)用于所述圖像數(shù)據(jù)， 即應(yīng)用于表示所述圖像的所述像素或體素陣列并定義其外觀的數(shù)據(jù)的陣 列。
各種濾波算法對所述數(shù)據(jù)，即定義各個像素或體素的外觀的參數(shù)值， 進(jìn)行變換。所以考慮在所述原始圖像上執(zhí)行的m種不同的濾波或預(yù)處理算 法，同樣在定義各個像素或體素的外觀的所述參數(shù)的原始值上，進(jìn)行m種 變換fl，f2, ...，fm。這樣能夠?qū)崿F(xiàn)定義編碼像素的修改的方式?？紤]例如 圖像的一般的像素P(i， j)，以及上述的m種變換fl， f2, ... ， fm，將通過在 所述像素P(i, j)進(jìn)行變換，來獲得經(jīng)過修改的，即經(jīng)過濾波的用于表示所 述像素的外觀的參數(shù)值的對應(yīng)的集合，其能夠被定義為fl(P(i, j))， f2(P(i， j))，...， fm(P(i，j))。通過定義受限于經(jīng)受所述變換的^^素P(i， j)的〗象素窗口 ， 應(yīng)用根據(jù)本發(fā)明的方法，對于經(jīng)過修改的定義所述像素的外觀的參數(shù)值， 其上述,皮定義的集合fl(P(i, j))， f2(P(i， j))，...， fm(P(i， j))，能夠4皮用作編碼所 述像素P(i， j)的向量的分量。
重要的是應(yīng)該考慮到，在利用這個變型時，由于例如在以上描述中描 述或引用的方法的許多濾波方法，還使用了對經(jīng)受變換或處理的各個目標(biāo) 像素的像素周圍進(jìn)行定義的窗口 ，所述目標(biāo)像素與所述周圍像素的關(guān)系不
會損失。
大多數(shù)或通常所有的所述圖傳J象素的濾波方法或預(yù)處理方法，利用包 含所述目標(biāo)像素和某個預(yù)定義數(shù)量的周圍像素的窗口以處理各個像素，并 因而如以上所述代替利用修改的描述所述目標(biāo)^象素的外觀的^的值，定 義了對應(yīng)于所述窗口的圖像數(shù)據(jù)矩陣，作為編碼所述目標(biāo)像素的向量的分
量，作為基于這樣的事實的進(jìn)一步的變型，對于^L應(yīng)用于與在所述濾波或 預(yù)處理步驟中定義的窗口相對應(yīng)的所述矩陣的、根據(jù)本發(fā)明的編碼方法， 其變換的任何一種或任何一種的組合，能夠凈皮4吏用。因而，代替將描述《象 素P(i， j)的外觀的所述參數(shù)值用作對像素P(i, j)編碼的向量的分量，如通過 所述濾波或預(yù)處理算法進(jìn)行修改，能夠使用所述值或所述值的組合
所述數(shù)值矩陣的奇異值，其中所述數(shù)值矩陣包括用于執(zhí)行各濾波或預(yù) 處理步驟的選擇的窗口的像素或體素的圖像數(shù)據(jù)；
所述數(shù)值矩陣的梯度矩陣的特征值，其中所述數(shù)值矩陣表示用于執(zhí)行 所述各濾波或預(yù)處理步驟的所述窗口的像素或體素；
所述數(shù)值矩陣的Hessian矩陣的特征值，其中所述數(shù)值矩陣表示用于 執(zhí)行所述各濾波或預(yù)處理步驟的所述窗口的像素或體素；
所述數(shù)值矩陣的小波變換的系數(shù)的一個或多個或其組合，其中所述數(shù) 值矩陣表示用于執(zhí)行所述各濾波或預(yù)處理步驟的所述窗口的像素或體素， 能夠可選地或組合地使用幾種小波基函數(shù)；
所述矩陣的所謂共生變換，其中所述矩陣表示用于執(zhí)行所迷各濾波或 預(yù)處理步驟的所述窗口的〗象素或體素；
所述數(shù)值矩陣的自相關(guān)變換的一個或多個系數(shù)，其中所述數(shù)值矩陣表 示用于執(zhí)行所述各濾波或預(yù)處理步驟的所述窗口的像素或體素；
所述數(shù)值的矩陣的特征值或奇異值，和/或所述數(shù)值矩陣的梯度矩陣的 或Hessian矩陣的特征值，和/或所述小波變換的一個或多個系數(shù)，和/或所 述自相關(guān)變換的一個或多個系數(shù)，和/或所述數(shù)值矩陣的共生矩陣的奇異值 的組合，其中所述數(shù)值矩陣表示用于執(zhí)行所述各濾波或預(yù)處理步驟的所述 窗口的像素或體素。
同樣地，對像素編碼的方法的上述變型能夠被應(yīng)用于所述二維圖《象以 及應(yīng)用于三維圖像。此外同樣地，在這種情況下，能夠以類似于所述主要 實施例的方式考慮第四維，在此，第四維包括了時間并使得能夠考慮所述 圖像在時間上的演化。
作為在已經(jīng)對所述原始圖像的各個像素或體素執(zhí)行了不同濾波或處理 算法之后的可選方案，以向量形式對所述原始圖〗象的各個^f象素或體素編碼， 所述向量的分量都包含利用對應(yīng)的濾波或處理算法獲得的圖像數(shù)據(jù)的矩陣
的像素或體素窗口的奇異值。據(jù)此所述方法包括如下步驟
提供一些不同的用于所述原始圖像的像素或體素的濾波算法；
利用所述不同濾波算法的每一個處理所述原始圖像的像素或體素，并
存儲得到的經(jīng)過濾波的像素或體素的陣列；
定義以目標(biāo)像素或體素為中心或包含所述目標(biāo)^f象素或體素并具有包圍
所述目標(biāo)像素或體素的一些像素或體素的窗口 ；
計算所述圖像數(shù)據(jù)矩陣的奇異值，其中所述圖像數(shù)據(jù)矩陣與每一個經(jīng)
過濾波的像素或體素的陣列的各個像素或體素的窗口相對應(yīng)；
利用其分量對應(yīng)于所述圖像數(shù)據(jù)矩陣的奇異值的向量來對各像素或體
素進(jìn)行編碼，其中所述圖像數(shù)值矩陣與以在由所述各濾波算法獲得的經(jīng)過
濾波的像素或體素的陣列的每一個的各個像素或體素為中心或者包含該像
素或體素的窗口相對應(yīng)。
參照先前的所述舉例，在其中定義了受限于僅僅一個像素或體素，即
所述目標(biāo)^像素或體素P(i, j)的窗口，在這種情況下，所述定義的窗口包含
所述目標(biāo)像素或體素周圍的一些像素或體素，從而使得用于對所述目標(biāo)像
素進(jìn)行編碼的向量的分量不是其經(jīng)過濾波的值，而是作為所述窗口一部分
的像素或體素的值的矩陣的奇異值。
權(quán)利要求
1.一種對數(shù)字或數(shù)字化的二維或三維圖像的像素或體素進(jìn)行編碼的方法，其包括如下步驟a)提供以二維像素陣列或三維體素陣列構(gòu)成的數(shù)字圖像，通過至少一個變量，如灰度圖像中的亮度或彩色圖像中的HSV(色度、飽和度及純度)或RGB值來定義各個像素或體素；b)將所述圖像的各個像素或體素作為目標(biāo)像素或體素，并且，對于每個目標(biāo)像素或體素，通過包含所述目標(biāo)像素或體素以及一定數(shù)目的周圍像素或體素的像素或體素窗口形成鄰域；c)對于每個目標(biāo)像素或體素，生成與所述目標(biāo)像素或體素單義地相關(guān)的向量，所述向量的分量被生成為所述目標(biāo)像素或體素以及所述像素或體素窗口的各個像素或體素的值的函數(shù)；其特征在于，所述目標(biāo)像素或體素以及所述像素或體素窗口的各個像素或體素的值的函數(shù)，對應(yīng)于表示所述窗口的像素或體素的數(shù)值矩陣或該數(shù)值矩陣的變換的特征參數(shù)。
2. 根據(jù)權(quán)利要求l所述的方法，其特征在于，所述特征參數(shù)由包括 所述選擇的窗口的像素或體素的圖傳教據(jù)的數(shù)值矩陣的奇異值形成。
3. 根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述目標(biāo)像素或 體素以及所述像素或體素窗口的各個像素或體素的值的函數(shù)，對應(yīng)于表示 所述窗口的像素或體素的所述數(shù)值矩陣的梯度矩陣的特征值。
4. 根據(jù)前述權(quán)利要求中的一個或多個所述的方法，其特征在于，所 迷目標(biāo)像素或體素以及所述像素或體素窗口的各個像素或體素的值的函 數(shù)，對應(yīng)于表示所述窗口的像素或體素的所述數(shù)值矩陣的Hessian矩陣的 特征值。
5. 根據(jù)前述權(quán)利要求中的一個或多個所述的方法，其特征在于，所 述目標(biāo)像素或體素以及所述像素或體素窗口的各個像素或體素的值的進(jìn)一步函數(shù)，對應(yīng)于表示所述窗口的像素或體素的所述數(shù)值矩陣的小波變換的 一個或多個系數(shù)或系數(shù)的組合。
6. 根據(jù)權(quán)利要求5所述的方法，其特征在于，能夠可選地或組合地 使用幾種小波基函數(shù)。
7. 才艮據(jù)前述權(quán)利要求中的一個或多個所述的方法，其特征在于，所 述目標(biāo)^像素或體素以及所述像素或體素窗口的各個像素或體素的值的進(jìn)一 步函數(shù)，對應(yīng)于所述矩陣的所謂共生變換。
8. 根據(jù)前述權(quán)利要求中的一個或多個所述的方法，其特征在于，所 述目標(biāo)像素或體素以及所述像素或體素窗口的各個像素或體素的值的函數(shù)，對應(yīng)于表示所述窗口的像素或體素的所述數(shù)值矩陣的自相關(guān)變換的一個或多個系數(shù)。
9. 根據(jù)前述權(quán)利要求中的一個或多個所述的方法，其特征在于，通 #示窗口的像素或體素的數(shù)值的矩陣的特征值或奇異值、和/或表示所迷 窗口的像素或體素的所述數(shù)值矩陣的梯度矩陣或Hessian矩陣的特征值、 和/或小波變換的 一個或多個系數(shù)和/或自相關(guān)變換的一個或多個系數(shù)、和/ 或表示所述窗口的像素或體素的所迷數(shù)值矩陣的共生矩陣的奇異值的組 合，來對各個像素或體素進(jìn)行編碼。
10. 根據(jù)前述權(quán)利要求中的一個或多個所述的方法，其特征在于，所 述二維和三維圖〗象具有進(jìn)一步的包括時間的維度。
11. 根據(jù)前述權(quán)利要求中的一個或多個所述的方法，其特征在于，表 示所述圖像的像素或體素的所述矩陣的數(shù)值數(shù)據(jù)，在所述像素或體素的編 碼之前，經(jīng)歷一個或多個預(yù)處理步驟。
12，根據(jù)權(quán)利要求11所述的方法，其特征在于，所述預(yù)處理步驟為 濾波步驟。
13. 根據(jù)權(quán)利要求11或12所述的方法，其特征在于，能夠可選地或 組合地執(zhí)行多于一個預(yù)處理步驟。
14. 根據(jù)前述權(quán)利要求11到13中的一個或多個所述的方法，其特征 在于，通過利用細(xì)胞神經(jīng)網(wǎng)絡(luò)對表示所述數(shù)字或數(shù)字化圖像的各個像素或 體素的數(shù)值數(shù)據(jù)進(jìn)行處理，來執(zhí)行所述預(yù)處理步驟。
15.根據(jù)前述權(quán)利要求11到14中的一個或多個所述的方法，其特征 在于，所述預(yù)處理步驟包括提供人工神經(jīng)網(wǎng)絡(luò)，其包括與該神經(jīng)網(wǎng)絡(luò)的結(jié)點對應(yīng)的細(xì)胞(Ki)的 n-維陣列，各個細(xì)胞具有到形成該細(xì)胞(Ki)的所述鄰域的直接相鄰細(xì)胞 (Kj)的連接，參見圖9和10;各個細(xì)胞(Ki)具有對于到所述周圍細(xì)胞的直接相鄰細(xì)胞(Kj)的各 個連接的輸入；各個細(xì)胞(Ki)具有對于到一個或多個所述直接相鄰細(xì)胞(Kj)的連 接的輸出；在各個細(xì)胞(Ki)和所迷直接相鄰細(xì)胞之間的所述連接由權(quán)重(Wij) 來確定；通過被定義為所述細(xì)胞(Ki)的激活值或函數(shù)(Ai)的內(nèi)部值來進(jìn)一 步表征所述細(xì)胞，并且各個細(xì)胞(Ki)能夠根據(jù)被稱為傳遞函數(shù)的信號處 理函數(shù)進(jìn)行信號處理，以生成細(xì)胞輸出信號(Ui);所述傳遞函數(shù)將細(xì)胞(Ki)的輸出信號(Ui)確定為所述細(xì)胞(Ki) 的所述激活值或函數(shù)(Ai)的函數(shù)，在此所述傳遞函數(shù)還包括使所述細(xì)胞 (Ki)的所述激活值或函數(shù)(Ai)等于細(xì)胞(Ki)的輸出信號(in)的恒等 函數(shù)；提供輸入數(shù)據(jù)記錄(Pi)的n-維ft據(jù)庫，所述輸入數(shù)據(jù)記錄必須被提 交給利用所述神經(jīng)網(wǎng)絡(luò)的計算，并且在所述n-維數(shù)椐庫中，當(dāng)所述數(shù)據(jù)記 錄(Pi)被投影到對應(yīng)的n-維空間中時，其相對位置是所述數(shù)據(jù)記錄(Pi) 的相關(guān)特征，能夠由所述n-維空間中的點的陣列表示所述數(shù)據(jù)庫的數(shù)據(jù)記 錄(Pi)，各個點具有在所述點陣列中的已定義的位置并與所迷數(shù)據(jù)庫的 數(shù)據(jù)記錄(Pi)相關(guān)，所述數(shù)據(jù)庫的各個數(shù)據(jù)記錄(Pi)進(jìn)一步包括每一個 具有某個值(Ui)的至少一個變量或多個變量；各個數(shù)據(jù)記錄(Pi)與形成所述神經(jīng)網(wǎng)絡(luò)的n-維細(xì)胞陣列的細(xì)胞(Ki) 相關(guān)，其中細(xì)胞(Ki)在n-維細(xì)胞(Ki)陣列中具有與由所述n-維點陣列 中的點表示的對應(yīng)的數(shù)據(jù)記錄(Pi)相同的位置；被作為所述網(wǎng)絡(luò)的初始化值的各個數(shù)據(jù)記錄(Pi)的變量的值(Ui) 被取為所一目關(guān)細(xì)胞(Ki)的初始激活值(Ai)或初始輸出值(Ui);各個細(xì)胞(Ki)的所述激活值(Ai)或所述輸出值(Ui)在經(jīng)過所述 神經(jīng)網(wǎng)絡(luò)的一定數(shù)目的迭代處理步驟之后，被作為所W目關(guān)數(shù)據(jù)記錄(Pi) 的新值(Ui)。
16. 根據(jù)權(quán)利要求15所述的方法，其特征在于，對于所述一定數(shù)目 的迭代處理步驟的各處理步驟，定義各個細(xì)胞(Ki)和所述直接相鄰細(xì)胞(Kj)之間的連接的權(quán)重(Wy)被確定為，與直接相鄰于所述細(xì)胞(Ki) 的細(xì)胞(Kj)相關(guān)的各個數(shù)據(jù)記錄(Pj)的所述變量的當(dāng)前值(Uj)的函 數(shù)，所述函數(shù)即所謂的學(xué)習(xí)函數(shù)或規(guī)則。
17. 根據(jù)權(quán)利要求15所述的方法，其特征在于，通過將被作為所述 相關(guān)數(shù)據(jù)記錄(Pi)的當(dāng)前新值(Ui)的在所述神經(jīng)網(wǎng)絡(luò)的處理步驟之后 的各個細(xì)胞(Ki)的當(dāng)前激活值(Ai)或輸出值(Ui)，確定為定義所述 直接相鄰細(xì)胞(Kj)與所述細(xì)胞(Ki)的連接的所述權(quán)重(Wij)的函數(shù)， 來修改所^A工神經(jīng)網(wǎng)絡(luò)，所述函數(shù)即所謂的激活函數(shù)或規(guī)則。
18. 根據(jù)權(quán)利要求17所述的方法，其特征在于，被作為所勤目關(guān)數(shù) 據(jù)記錄(Pj的當(dāng)前新值(Ui)的在所述神經(jīng)網(wǎng)絡(luò)的處理步驟之后的各個 細(xì)胞(Ki)的所述當(dāng)前激活值(Ai)或輸出值(Ui),被確定為所述直接 相鄰細(xì)胞(Kj)的當(dāng)前輸出值(Uj)以及定義所述直接相鄰細(xì)胞(Kj)與 所述細(xì)胞(Ki)的連接的對應(yīng)的權(quán)重(Wij)的函數(shù)，所述函數(shù)即所謂的激 活函數(shù)或規(guī)則。
19. 根據(jù)前述權(quán)利要求15到18中的一個或多個所述的方法，其特征 在于，對于所述一定數(shù)目的迭代處理步驟的各處理步驟，定義各個細(xì)胞(Ki) 和所述直接相鄰細(xì)胞(Kj)之間的連接的所^重(Wij)被確定為，與直 接相鄰于所述細(xì)胞(Ki)的細(xì)胞(Kj)相關(guān)的各個數(shù)據(jù)記錄(Pj)的變量 的當(dāng)前值(Uj)以及與所述細(xì)胞(Ki)相關(guān)的數(shù)據(jù)記錄(Pi)的變量的當(dāng) 前值(Ui)的函數(shù)。
20. 根據(jù)權(quán)利要求11所述的方法，其特征在于，所述預(yù)處理步驟包 括利用聚類算法對表示所述圖像的像素或體素的數(shù)值數(shù)據(jù)的矩陣進(jìn)行處 理。
21. 根據(jù)前述權(quán)利要求11到20中的一個或多個所述的方法，其特征 在于，執(zhí)行基于兩種、三種或更多的濾波算法的兩個、三個或更多的濾波 步驟；各種濾波算法(Al， A2, ... ， Am)確定對所述圖像的像素或體素的外 觀進(jìn)行定義的參數(shù)的值的變換(fl，f2，…，fm);對于形成所述二維或三維圖像的各個像素(P(i,j)),定義僅包括所述 像素(P(i, j))或所述體素的窗口 ；通過向量對所述圖像的各個像素(P(i，j))或各個體素或者選定數(shù)目的 像素(P(i，j))或體素進(jìn)行編碼，所述向量的分量被定義為，通過定義所述 像素(P(i，j))或體素的所述參數(shù)的原始值的所述兩種、三種或更多的變換 (fl， O，... ， fm)來確定的各個像素或各個體素的參數(shù)的值。
22. 根據(jù)權(quán)利要求21所述的方法，其特征在于，通過定義所述像素 (P(i， j))或體素的參數(shù)的原始值的所述兩種、三種或更多的變換(fl， f2，…，fm)確定的各個像素或各個體素的所述參數(shù)的值，被定義為，在描述所述 二維或三維圖像的像素或體素外觀的參數(shù)陣列的坐標(biāo)(i， j)或(i， j, z)處確定的所述像素或體素的值。
23. 根據(jù)權(quán)利要求21或23所述的方法，其特征在于，對于形成所述 二維或三維圖像的各個像素(P(i, j))，定義窗口 ，其包括所述像素(P(i, j)) 或所述體素以及一定數(shù)目的周圍的像素或體素；通過向量對所述圖像的各個像素(P(i, j))或各個體素或者選定數(shù)目的 像素或體素進(jìn)行編碼，所述向量的分量被定義為，在以上定義的窗口內(nèi)的 各個像素或各個體素的參數(shù)的矩陣的奇異值，并且通過定義所述像素(P(i, j))或體素的參數(shù)的原始值的所述兩種、三種或更多的變換(fl, O，... ， fm) 來確定。
24. —種處理數(shù)字或數(shù)字化圖像的方法，其包括如下步驟 a) 提供已知目標(biāo)的一組數(shù)字圖像，所述數(shù)字圖像包括二維像素陣列 或三維體素陣列，通過至少一個變量，如M圖像中的亮度或彩色圖像中 的HSV (色度，飽和度和純度)或RGB值來定義的各個像素或體素，所 述數(shù)字圖像的各個像素或體素是所述成像目標(biāo)的對應(yīng)區(qū)域或部分的表示， 已知所述成^f象目標(biāo)的所關(guān)心的特性或特征并且所述已知特性或特征與所述 數(shù)字圖像的對應(yīng)像素或體素單義地相關(guān)；b ) 根據(jù)前述權(quán)利要求1到22中的一個或多個所述的對所述數(shù)字圖 像的各個像素或體素或所述數(shù)字圖像的像素或體素的子集的各個像素或體 素進(jìn)行編碼，將所述圖像的像素或體素與其對應(yīng)并且由各個向量表示其體義地相關(guān)；c) 提供預(yù)測算法；d) 通過將與所述已知目標(biāo)的所述圖像的各個像素或體素單義地相 關(guān)的向量用作輸入數(shù)據(jù)，并通過將所述圖像的像素或體素與其對應(yīng)且所述 向量的每一個與其單義地相關(guān)的成像目標(biāo)的所述區(qū)域或部分的已知特性或 特征用作輸出數(shù)據(jù)，來進(jìn)行所述預(yù)測算法的訓(xùn)練和測試；e) 提供目標(biāo)的數(shù)字圖像，所述數(shù)字圖像包括二維像素陣列或三維體 素陣列，通過至少一個變量，如灰度圖像中的亮度或彩色圖像中的HSV(色 度、飽和度和純度)或RGB值來定義各個像素或體素，所述數(shù)字圖像的 各個像素或體素是其特性或特征必須被確定的成像目標(biāo)的對應(yīng)區(qū)域或部分 的表示；f) 根據(jù)前述權(quán)利要求1到22中的一個或多個所述的對所述數(shù)字圖 像的各個像素或體素或所述數(shù)字圖像的像素或體素的子集的各個像素或體 素進(jìn)行編碼，對于每個已編碼的#>素或體素獲得與所述<象素或體素單義地 相關(guān)的向量；g) 對于所述數(shù)字圖像的每一個或部分像素或體素，提供所述對應(yīng)向 量的分量作為所述經(jīng)過訓(xùn)練和測試的預(yù)測算法的輸入數(shù)據(jù)；h) 通過所述預(yù)測算法的輸出it據(jù)，確定與通過所述向量單義地編碼征，其中已經(jīng)將所述向量的分量作為輸入數(shù)據(jù)提供給所述預(yù)測算法。
25. 根據(jù)權(quán)利要求24所述的圖像處理方法，其特征在于，所述預(yù)測 算法為人工神經(jīng)網(wǎng)絡(luò)。
26. 根據(jù)權(quán)利要求24或25所述的圖像處理方法，其特征在于，提供 兩種或多于兩種的不同預(yù)測算法，并利用所述兩種或更多種預(yù)測算法的每 一個處理所述已編碼的像素或體素，所述輸出數(shù)據(jù)^L定義為所述兩種或更 多種預(yù)測算法的每一種的輸出數(shù)據(jù)的組合。
27. 根據(jù)前述權(quán)利要求24到26中的一個或多個所述的圖像處理方 法，其特征在于，其包括如下的步驟定義用于進(jìn)行所述^象素或體素編碼的第一窗口 ，所述窗口由將凈皮編碼 的所述目標(biāo)像素或體素周圍的像素或體素的陣列形成，其具有與所述窗口 的像素的數(shù)目相關(guān)的第一維度；進(jìn)行所述像素或體素的編碼；提供經(jīng)過訓(xùn)練和測試的預(yù)測算法，并利用根據(jù)以上定義的第一窗口的 所迷已編碼的像素或體素來進(jìn)行圖像的第一處理，因而確定所述圖像中的各個像素或體素的特征或特性；識別具有某種特性的在所述圖像中的像素或體素以及它們在所述圖像中的位置；定義與其中存在有具有所述某種特性的像素或體素的原始圖像的區(qū)域 或部分相對應(yīng)的^f象素或體素的子陣列；定義用于進(jìn)行所述像素或體素編碼的第二窗口 ，所述窗口由將被編碼 的所述目標(biāo)像素或體素周圍的像素或體素的陣列形成，其具有與所述窗口 的像素的數(shù)目相關(guān)的第二維度，所述窗口的維度和4象素或體素的數(shù)目大于 所述第一窗口的維度和像素或體素的數(shù)目；只對以上定義的像素或體素的子陣列的像素或體素進(jìn)行像素或體素編碼，素的所述原始圖 <象的區(qū)域或部分相對應(yīng)；利用所述經(jīng)過訓(xùn)練和測試的算法，進(jìn)行通過利用所述第二窗口來編碼 的所述已編碼像素或體素的第二處理，以確定所述像素或體素子陣列的像 素或體素的特征或特性，根據(jù)利用所述預(yù)測算法的第一處理步驟所述像素像的區(qū)域或部分相對應(yīng)；進(jìn)一步的步驟明顯地能夠被執(zhí)行，通過根據(jù)利用預(yù)測算法的前述處理步驟識別具有某種特性或特征的在所述 圖像中的像素或體素以及識別它們在所述圖像中的位置；定義像素或體素的子陣列，其與在其中存在具有所述某種特性的像素或體素的原始圖像的區(qū)域或部分相對應(yīng)；定義用于進(jìn)行所述像素或體素編碼的新窗口 ，所述窗口由將被編碼的 目標(biāo)像素或體素周圍的像素或體素的陣列形成，其具有與所述窗口的像素 的數(shù)目相關(guān)的維度，并且所述窗口的維度和像素或體素的數(shù)目不同于在前 述處理步驟中定義的窗口的維度和像素或體素的數(shù)目；只對以上定義的像素或體素子陣列的像素或體素進(jìn)行像素或體素編 碼，所述像素或體素子陣列與在其中存在具有所述某種特性的像素或體素 的所述原始圖像的區(qū)域或部分相對應(yīng)；利用所述經(jīng)過訓(xùn)練和測試的算法，進(jìn)行對通過利用所述新窗口編碼的 所述已編碼像素或體素的進(jìn)一步處理，以確定所述^f象素或體素子陣列的所 述像素或體素的特征或特性，根據(jù)具有所述預(yù)測算法的前述處理步驟所迷始圖像的區(qū)域或部分相對應(yīng)。
28. 根據(jù)權(quán)利要求27所述的圖像處理方法，其特征在于，對于具有 所述預(yù)測算法的某個對應(yīng)的處理步驟，用于對所述像素或體素編碼的不同 窗口也被用于，對用于訓(xùn)練和測試所述算法的數(shù)據(jù)集的像素或體素進(jìn)行編 碼，從而使得在用于對所述訓(xùn)練和測試數(shù)據(jù)集的圖像的像素或體素進(jìn)行編 碼的窗口與必須被處理的圖像的像素或體素之間，存在對應(yīng)關(guān)系。
29. 根據(jù)前述權(quán)利要求24到28中的一個或多個所述的圖像處理方 法，其特征在于，對于將被處理的圖像的像素或體素，或者根據(jù)具有所述 預(yù)測算法的前述處理步驟與在其中存在具有所述某種特性或特征的像素或 體素的所述原始圖像的區(qū)域或部分相對應(yīng)的像素或體素，在它們的各個編 碼步驟中，通過對包括所述像素或體素子陣列的像素或體素的所述數(shù)值數(shù) 據(jù)，即亮度值的原始矩陣施加進(jìn)一步的變換而獲得的參數(shù)，其全部或僅僅 一部分能夠被加入到所述像素或體素編碼向量的分量中。
30. 根據(jù)前述權(quán)利要求24到28中的一個或多個所述的圖像處理方 法，其特征在于，對于第一預(yù)測處理步驟，利用所述亮度值的矩陣的奇異 值，以及所選窗口的像素或體素的亮度的所述矩陣的梯度矩陣的特征值和 Hessian矩陣的特征值，對將被處理的所述4象素或體素進(jìn)行編碼，而對于所 述預(yù)測算法的隨后處理步驟，在其中只有一個或多個像素或體素子陣列的 像素或體素被處理，所述子陣列根據(jù)具有所述預(yù)測算法的所述第一處理步 驟與在其中存在具有所述某種特性的像素或體素的原始圖像的區(qū)域或部分 相對應(yīng)，所述像素或體素由進(jìn)一步的數(shù)值數(shù)據(jù)表示，所述數(shù)值數(shù)據(jù)與由所 述定義的窗口的像素或體素的亮度的矩陣的一個或多個進(jìn)一步的變換所提 供的|*的全部或一部分相對應(yīng)，所述亮度矩陣的這種進(jìn)一步的變換例如 自相關(guān)變換或小波變換。
31. 根據(jù)權(quán)利要求29所述的圖像處理方法，其特征在于，在各個處 理步驟所述窗口的維度是變化的。
32. —種圖像處理方法，其特征在于，在各個處理步驟所述將被處理 圖像的分辨率是變化的。
33. 根據(jù)前述權(quán)利要求中的一個或多個所述的圖像處理方法，其特征 在于，所述圖像為諸如MRI、超聲波、X射線或CT放射圖像的二維或三 維的診斷圖像。
34. 根據(jù)權(quán)利要求33所述的圖像處理方法，其特征在于，由所述診 斷圖像中的像素或體素表示的圖像實體的區(qū)域或部分的特性或特征，能夠 包括所述像素所表示的組織種類，諸如例如健康組織、惡性腫瘤組織或良 性腫瘤組織或其他類型的病理狀態(tài)的組織或病變。
35. 根據(jù)前述權(quán)利要求中的一個或多個所述的圖像處理方法，其特征 在于，其是用于計算機輔助診斷的方法。
36. —種圖像處理系統(tǒng)，與成像設(shè)備組合設(shè)置，其特征在于，所述圖 像處理系統(tǒng)包括計算機硬件以及可被加載于所述計算硬件并可通過所述計 算機硬件執(zhí)行根據(jù)前述權(quán)利要求1到35中的一個或多個所述的方法的軟件 裝置。
37. 根據(jù)權(quán)利要求36所述的圖像處理系統(tǒng)，其特征在于，所述計算 機硬件包括用于與所述成像設(shè)備的對應(yīng)接口進(jìn)行通信的接口 ，其用于從所 述成像設(shè)備接收圖像數(shù)據(jù)，以及用于向所述成傳_設(shè)備發(fā)送與由所述圖像數(shù) 據(jù)表示的所述目標(biāo)的所述部分的特性相關(guān)的信息以及用于改變所述成像設(shè) 備的掃描儀的成像分辨率和/或視場的命令。
38. 根據(jù)權(quán)利要求36或37所述的圖像處理系統(tǒng)，其特征在于，其是 與所述成像設(shè)備分離的裝置。
39. 根據(jù)權(quán)利要求36或37所述的圖像處理系統(tǒng)，其特征在于，其是 被包括在所述成像設(shè)備中的裝置。
40. 根據(jù)權(quán)利要求39所述的圖像處理設(shè)備，其特征在于，所述計算 機硬件由所述成像設(shè)備的計算機硬件形成，并且，所述軟件裝置被存儲或 加載于所述成像設(shè)備的所述計算機硬件中并可通過所述計算機硬件執(zhí)行。
41. 一種成像設(shè)備，其包括用于接收來自將被成像的目標(biāo)的信號的 掃描單元(10)，以及用于將通過所述掃描儀(10)接收到的信號變換成 將被顯示在監(jiān)視器(12)上的圖像數(shù)據(jù)的圖像數(shù)據(jù)處理器(11)，其特征 在于，進(jìn)一步的處理單元(13， 14)被提供，用于執(zhí)行根據(jù)前述權(quán)利要求1 到35中的一個或多個所述的方法，并且用于通過圖形手段來定義有P艮視場 的圖像，和/或改變所述掃描儀的分辨率，和/或改變圍繞各個目標(biāo)像素的周 圍像素的窗口的維度，所述處理單元(13,14)具有可加載軟件裝置的存儲 器，在其中能夠編碼根據(jù)前述權(quán)利要求1到33中的一個或多個所述的方法 并且所述處理單元(13,14)能夠執(zhí)行所述軟件裝置。
42. 根據(jù)前述權(quán)利要求36到41中的一個或多個所述的成像設(shè)備，其特征在于，其是生態(tài)圖形成像設(shè)備、MRI設(shè)備、放射設(shè)備等。
全文摘要
對數(shù)字或數(shù)字化的二維圖像或三維圖像的像素或體素進(jìn)行編碼的方法，其包括如下步驟提供數(shù)字圖像，其包括二維像素陣列或三維體素陣列，通過至少一個變量，如灰度圖像中的亮度或彩色圖像中的HSV(色度、飽和度和純度)或RGB值來定義各個像素或體素；將所述圖像的各個像素或體素作為目標(biāo)像素或體素，并且，對于每個目標(biāo)像素或體素，通過包含所述目標(biāo)像素或體素以及周圍的一些像素或體素的像素或體素窗口形成鄰域；對于每個目標(biāo)像素或體素，生成與所述目標(biāo)像素或體素單義地相關(guān)的向量，生成的所述向量的分量是所述目標(biāo)像素或體素以及所述像素或體素窗口的各個像素或體素的值的函數(shù)。所述目標(biāo)像素或體素的以及所述像素或體素窗口的各個像素或體素的值的函數(shù)，對應(yīng)于表示所述窗口的像素或體素的數(shù)值矩陣的特征參數(shù)或所述數(shù)值矩陣的變換的特征參數(shù)。本發(fā)明還涉及圖像處理方法，在其中利用例如人工神經(jīng)網(wǎng)絡(luò)的預(yù)測算法對根據(jù)以上方法編碼的圖像數(shù)據(jù)進(jìn)行處理。
文檔編號G06T9/00GK101189641SQ200680016189
公開日2008年5月28日 申請日期2006年5月9日 優(yōu)先權(quán)日2005年5月12日
發(fā)明者I·戈里, M·馬蒂烏齊 申請人:布雷克成像有限公司